JP2016505171A - ノイズフィリング概念 - Google Patents

Abstract

オーディオ信号のスペクトルのノイズフィリングは、オーディオ信号の調性に依存する方法でノイズフィリングを実行することによって、ノイズフィリングされたオーディオ信号の再生がほとんど迷惑でないように、ノイズフィリングされたスペクトルに関する品質において改善される。【選択図】図２

Description

本願は、オーディオ符号化に関し、特にオーディオ符号化に関連するノイズフィリングに関する。

変換符号化において、スペクトルの部分をゼロに量子化することが知覚的な劣化をもたらすということがしばしば認識される（［１］、［２］、［３］に匹敵する）。ゼロに量子化されるそのような部分は、スペクトルホールと呼ばれる。［１］、［２］、［３］および［４］に示されるこの問題のための解決策は、ゼロ量子化されたスペクトル線をノイズに置き換えることである。ノイズの挿入は、特定の周波数より下で回避されることがある。ノイズフィリングのための開始周波数は、固定されるが、周知の先行技術間で異なる。

ＦＤＮＳ（周波数領域ノイズ整形）は、ＵＳＡＣにおけるように、スペクトル（挿入されたノイズを含む）を整形するためにおよび量子化ノイズの制御のために用いられることがある（［４］に匹敵する）。ＦＤＮＳは、ＬＰＣフィルタの振幅特性を用いて実行される。ＬＰＣフィルタ係数は、プリエンファシスされた入力信号を用いて計算される。

［１］において、音の成分のすぐ近くで付加ノイズが劣化をもたらすことに留意されたく、したがって、［５］と同じようにゼロのロングランだけが、注入された周囲のノイズによって非ゼロの量子化された値を隠すことを回避するためにノイズでフィリングされる。

［３］において、ノイズフィリングの粒度および必要なサイド情報のサイズ間の妥協の問題があることに留意されたい。［１］、［２］、［３］および［５］において、完全なスペクトルごとに１つのノイズフィリングパラメータが送信される。挿入されたノイズは、［２］におけるようなＬＰＣを用いてまたは［３］におけるようなスケールファクタを用いてスペクトル整形される。全体のスペクトルのために１つのノイズフィリングレベルでノイズフィリングにスケールファクタを適応する方法が、［３］において記載されている。［３］において、ゼロに完全に量子化されるバンドのためのスケールファクタは、スペクトルホールを回避するようにおよび正しいノイズレベルを有するように修正される。

［１］および［５］における解決策は、それらが小さいスペクトルホールをフィリングしないことを示唆するという点で、音の成分の劣化を回避するにしても、特に超低ビットレートで、ノイズフィリングを用いて符号化されるオーディオ信号の品質をさらに改善する必要がまだある。

米国特許出願公開第２０１１／０１７３０１２号：［１］ B. G. G. F. S. G. M. M. H. P. J. H. S. W. G. S. J. H. Nikolaus Rettelbach, "Noise Filler, Noise Filling Parameter Calculator Encoded Audio Signal Representation, Methods and Computer Program". Patent US 2011/0173012 A1. 国際公開第２０１０／００３５５６号：［３］ B. G. G. F. S. G. M. M. H. P. J. H. S. W. G. S. J. H. Nikolaus Rettelbach, "Audio encoder, audio decoder, methods for encoding and decoding an audio signal, audio stream and computer program". Patent WO 2010/003556 A1. 国際公開第２０１２／０４６６８５号：［６］ H. Y. K. Y. M. T. Harada Noboru, "Coding Mmethod, Decoding Method, Coding Device, Decoding Device, Program, and Recording Medium". Patent WO 2012/046685 A1.

［２］ Extended Adaptive Multi-Rate-Wideband (AMR-WB+) codec, 3GPP TS 26.290 V6.3.0, 2005-2006. ［４］ M. M. N. R. G. F. J. R. J. L. S. W. S. B. S. D. C. H. R. L. P. G. B. B. J. L. K. K. H. Max Neuendorf, "MPEG Unified Speech and Audio Coding - The ISO/MPEG Standard for High-Efficiency Audio Coding of all Content Types," in 132nd Convertion AES, Budapest, 2012. Also appears in the Journal of the AES, vol. 61, 2013. ［５］ M. M. M. N. a. R. G. Guillaume Fuchs, "MDCT-Based Coder for Highly Adaptive Speech and Audio Coding," in 17th European Signal Processing Conference (EUSIPCO 2009), Glasgow, 2009.

本発明の目的は、改良された特徴を有するノイズフィリングのための概念を提供することである。

この目的は、ここに含まれる独立した請求項の主題によって達成され、本願の有利な態様は、従属した請求項の主題である。

オーディオ信号の調性に依存する方法でノイズフィリングを実行することによって、ノイズフィリングされたオーディオ信号の再生がほとんど迷惑でないように、オーディオ信号のスペクトルのノイズフィリングがノイズフィリングされたスペクトルに関する品質において改善され得ることは、本願の基本的な知見である。

本願の実施形態によれば、オーディオ信号のスペクトルの連続したスペクトルゼロ部分が、関数を用いてスペクトル整形されるノイズでフィリングされ、その関数は、連続したスペクトルゼロ部分の内側で最大値を取り、さらに、その絶対傾きが調性に否定的に依存する外側に立ち下がるエッジを有し、すなわちその傾きは、調性の増加とともに低減する。加えてまたは代わりに、フィリングのために用いられる関数は、連続したスペクトルゼロ部分の内側で最大値を取り、さらに、そのスペクトル幅が調性に肯定的に依存する外側に立ち下がるエッジを有し、すなわちそのスペクトル幅は、調性の増加とともに増加する。さらに、加えてまたは代わりに、一定のまたは単一モードの関数が、フィリングのために用いられ得り、連続したスペクトルゼロ部分の外側のクォーターにわたる、１の積分に正規化される、その積分が、調性に否定的に依存し、すなわちその積分は、調性の増加とともに低減する。これらの対策の全てによって、ノイズフィリングは、オーディオ信号の音の部分のためにほとんど有害でない傾向があるが、それにもかかわらず、スペクトルホールの低減に関してオーディオ信号の非音の部分のために効果がある。換言すれば、オーディオ信号が音のコンテンツを有するときはいつでも、オーディオ信号のスペクトルにフィリングされるノイズは、そこから十分な距離を保つことによって影響を受けないスペクトルの音のピークを残すが、それにもかかわらず、非音としてオーディオコンテンツを有するオーディオ信号の時間位相の非音の特徴は、ノイズフィリングによって満たされる。

本願の実施形態によれば、連続したスペクトルゼロ部分ごとに、それぞれの関数がそれぞれの連続したスペクトルゼロ部の幅およびオーディオ信号の調性に依存して設定されるように、オーディオ信号のスペクトルの連続したスペクトルゼロ部分が識別され、さらに、識別されるゼロ部分が関数でスペクトル整形されるノイズでフィリングされる。実施の容易さのために、依存は、関数のルックアップテーブルにおいて検索によって達成され得り、または、関数は、連続したスペクトルゼロ部分の幅およびオーディオ信号の調性に応じて数式を用いて分析的に計算され得る。いずれの場合でも、依存を実現するための労力は、依存から生じる利点と比較して比較的少ない。特に、依存は、関数がそれぞれの連続したスペクトルゼロ部分に限られるように連続したスペクトルゼロ部分の幅に依存して、さらに、オーディオ信号のより高い調性のために、関数の質量がそれぞれの連続したスペクトルゼロ部分の内側でよりコンパクトになりさらにそれぞれの連続したスペクトルゼロ部分のエッジから離間されるようにオーディオ信号の調性に依存して、それぞれの関数が設定されるようにしてもよい。

さらなる実施形態によれば、スペクトル整形され、さらに、連続したスペクトルゼロ部分にフィリングされるノイズは、スペクトル的にグローバルなノイズフィリングレベルを用いて一般にスケーリングされる。特に、ノイズは、連続したスペクトルゼロ部分においてノイズにわたる積分または連続したスペクトルゼロ部分の関数にわたる積分が、グローバルなノイズフィリングレベルに対応するように例えば等しいように、スケーリングされる。有利なことに、グローバルなノイズフィリングレベルは、付加構文がそのようなオーディオコーデックのために提供される必要がないように、とにかく既存のオーディオコーデック内で符号化される。すなわち、グローバルなノイズフィリングレベルは、オーディオ信号が低い労力で符号化されるデータストリームにおいて明確にシグナリングされ得る。実際には、連続したスペクトルゼロ部分のノイズがスペクトル整形される関数は、全ての連続したスペクトルゼロ部分がフィリングされるノイズにわたる積分がグローバルなノイズフィリングレベルに対応するように、スケーリングされ得る。

本願の実施形態によれば、調性は、オーディオ信号が符号化される符号化パラメータから導き出される。この対策によって、付加情報は、既存のオーディオコーデック内で送信される必要がない。特定の実施形態によれば、符号化パラメータは、ＬＴＰ（長期予測）フラグまたはゲイン、ＴＮＳ（時間ノイズ整形）イネーブルメントフラグまたはゲインおよび／またはスペクトル再配置イネーブルメントフラグである。

さらなる実施形態によれば、ノイズフィリングの実行は、高周波スペクトル部分に限られ、高周波スペクトル部分の低周波開始位置は、データストリームにおいてオーディオ信号が符号化される明確なシグナリングに対応して設定される。この対策によって、ノイズフィリングが実行される高周波スペクトル部分の下限の信号適応設定が可能である。次に、この対策によって、ノイズフィリングから生じるオーディオ品質が増加され得る。次に、明確なシグナリングによって生じる必要な付加サイド情報は、比較的小さい。

本願のさらなる実施形態によれば、装置は、オーディオ信号のスペクトルを符号化するために用いられるプリエンファシスによって生じるスペクトル傾斜を弱めるために、スペクトルローパスフィルタを用いてノイズフィリングを実行するように構成される。この対策によって、ノイズフィリング品質は、さらにもっと増加され、それは、残りのスペクトルホールの深さが、さらに低減されるからである。より一般に言って、知覚的な変換オーディオコーデックにおけるノイズフィリングは、スペクトルホール内でノイズを調性依存してスペクトル整形することに加えて、スペクトル的にフラットな方法でよりはむしろスペクトル的にグローバルな傾斜でノイズフィリングを実行することによって改善され得る。例えば、スペクトル的にグローバルな傾斜は、ノイズフィリングされたスペクトルをスペクトル知覚的な重み関数にかけることによって生じるスペクトル傾斜を少なくとも部分的に逆にするために、負の傾きを有することができ、すなわち低周波から高周波への低減を示す。正の傾きは、例えば符号化されたスペクトルがハイパスのような特性を示す場合において、同様に考えられ得る。特に、スペクトル知覚的な重み関数は、典型的に、低周波から高周波への増加を示す傾向がある。したがって、スペクトル的にフラットな方法で知覚的な変換オーディオコーダのスペクトルにフィリングされるノイズは、最終的に再構成されたスペクトルにおいて傾斜したノイズフロアとなる。しかしながら、本願の発明者は、最終的に再構成されたスペクトルにおいてこの傾斜がオーディオ品質に否定的に影響を及ぼすことに気づき、その理由は、それがスペクトルのノイズフィリングされた部分に残っているスペクトルホールをもたらすからである。したがって、ノイズレベルが低周波から高周波に低減するように、スペクトル的にグローバルな傾斜でノイズを挿入することは、スペクトル知覚的な重み関数を用いてノイズフィリングされたスペクトルの後の整形によって生じるそのようなスペクトル傾斜を少なくとも部分的に補償し、それによって、オーディオ品質を改善する。状況に応じて、正の傾きは、例えば特定のハイパスのようなスペクトルに好まれ得る。

実施形態によれば、スペクトル的にグローバルな傾斜の傾きは、スペクトルが符号化されるデータストリームにおいてシグナリングに応答して変化される。シグナリングは、例えば、峻度を明確にシグナリングすることができ、さらに、符号化側で、スペクトル知覚的な重み関数によって生じるスペクトル傾斜の量に適応され得る。例えば、スペクトル知覚的な重み関数によって生じるスペクトル傾斜の量は、オーディオ信号がそれにＬＰＣ分析を適用する前に対象となるプリエンファシスから生じることができる。

ノイズフィリングは、オーディオ符号化側および／またはオーディオ復号化側で用いられ得る。オーディオ符号化側で用いられるときに、ノイズフィリングされたスペクトルは、合成による分析目的のために用いられ得る。

実施形態によれば、エンコーダは、調性依存を考慮に入れることによって、グローバルなノイズスケーリングレベルを決定する。

本願の好適な実施形態が、図に関して以下に記載される。

図１は、例示の目的のために、上から下まで、１つが他の上に、時間整列された方法で、オーディオ信号からの時間フラグメント、スペクトルエネルギーの概略的に示された「グレースケール」スペクトル時間変化を用いるそのスペクトログラム、およびオーディオ信号の調性を示す。 図２は、実施形態によるノイズフィリング装置のブロック図を示す。 図３は、ノイズフィリングの対象となるスペクトルおよび実施形態によるこのスペクトルの連続したスペクトルゼロ部分をフィリングするために用いられるノイズをスペクトル整形するために用いられる関数の概略図を示す。 図４は、ノイズフィリングの対象となるスペクトルおよびさらなる実施形態によるこのスペクトルの連続したスペクトルゼロ部分をフィリングするために用いられるノイズをスペクトル整形するために用いられる関数の概略図を示す。 図５は、ノイズフィリングの対象となるスペクトルおよびさらなる実施形態によるこのスペクトルの連続したスペクトルゼロ部分をフィリングするために用いられるノイズをスペクトル整形するために用いられる関数の概略図を示す。 図６は、実施形態による図２のノイズフィラーのブロック図を示す。 図７は、実施形態による、一方では決定されるオーディオ信号の調性および他方では連続したスペクトルゼロ部分をスペクトル整形するために利用できる可能な関数間の可能な関係を概略的に示す。 図８は、実施形態によるノイズのレベルをスケーリングする方法を示すために、概略的に、ノイズフィリングされるスペクトルを示し、さらに、スペクトルの連続したスペクトルゼロ部分をフィリングするためのノイズをスペクトル整形するために用いられる関数を示す。 図９は、図１〜図８に関して記載されるノイズフィリング概念を採用するオーディオコーデック内で用いられ得るエンコーダのブロック図を示す。 図１０は、実施形態による、送信されたサイド情報、すなわちスケールファクタおよびグローバルなノイズレベルとともに図９のエンコーダによって符号化されるようにノイズフィリングされる量子化されたスペクトルを概略的に示す。 図１１は、図９のエンコーダに適合し、さらに、図２によるノイズフィリング装置を含むデコーダのブロック図を示す。 図１２は、図９および図１１のエンコーダおよびデコーダの実施の変形による関連したサイド情報データを有するスペクトログラムの概略図を示す。 図１３は、実施形態による図１〜図８のノイズフィリング概念を用いるオーディオコーデックに含まれ得る線形予測変換オーディオエンコーダを示す。 図１４は、図１３のエンコーダに適合するデコーダのブロック図を示す。 図１５は、ノイズフィリングされるスペクトルからのフラグメントの例を示す。 図１６は、実施形態によるノイズフィリングされるスペクトルの特定の連続したスペクトルゼロ部分にフィリングされるノイズを整形ための関数のための明確な例を示す。 図１７ａ〜図１７ｄは、異なる調性のために用いられる異なるゼロ部分幅および異なるトランジション幅のための連続したスペクトルゼロ部分にフィリングされるノイズをスペクトル整形するための関数のためのさまざまな例を示す。 図１７ａ〜図１７ｄは、異なる調性のために用いられる異なるゼロ部分幅および異なるトランジション幅のための連続したスペクトルゼロ部分にフィリングされるノイズをスペクトル整形するための関数のためのさまざまな例を示す。 図１７ａ〜図１７ｄは、異なる調性のために用いられる異なるゼロ部分幅および異なるトランジション幅のための連続したスペクトルゼロ部分にフィリングされるノイズをスペクトル整形するための関数のためのさまざまな例を示す。 図１７ａ〜図１７ｄは、異なる調性のために用いられる異なるゼロ部分幅および異なるトランジション幅のための連続したスペクトルゼロ部分にフィリングされるノイズをスペクトル整形するための関数のためのさまざまな例を示す。 図１８ａは、実施形態による知覚的な変換オーディオエンコーダのブロック図を示す。 図１８ｂは、実施形態による知覚的な変換オーディオデコーダのブロック図を示す。 図１８ｃは、実施形態によるフィリングされるノイズに導入されるスペクトル的にグローバルな傾斜を達成する可能な方法を示す概略図を示す。

図の以下の説明において、等しい参照符号がこれらの図に示される要素のために用いられる場合はいつでも、１つの図における１つの要素に関して前倒しにされる説明は、同じ参照符号を用いて示されている別の図における要素に移動できるように解釈されるものとする。この対策によって、広範囲にわたる繰り返しの説明は、可能な限り回避され、それによって、何度も、最初から新たに全ての実施形態を表すよりも、むしろそれぞれの中の違いにおいてさまざまな実施形態の説明に集中する。

以下の説明は、最初に、オーディオ信号のスペクトルにノイズフィリングを実行するための装置のための実施形態から開始する。第２に、異なる実施形態は、さまざまなオーディオコーデックのために示され、そのようなノイズフィリングは、示されるそれぞれのオーディオコーデックに関連して適用することができる詳細とともに組み込まれ得る。次に記載されるノイズフィリングが、いずれの場合でも、復号化側で実行され得ることに留意されたい。しかしながら、エンコーダに応じて、次に記載されるようなノイズフィリングは、例えば、合成による分析理由のためのように、符号化側でも実行され得る。以下に概説される実施形態によるノイズフィリングの修正された方法が、例えば、スペクトル的にグローバルなノイズフィリングレベルを決定するためのようにエンコーダが働く方法を、単に部分的に変えるという中間の場合が、以下に記載される。

図１は、例えば、例示の目的のために、オーディオ信号１０、すなわちそのオーディオサンプルの時間的経過を示し、オーディオ信号の時間整列されたスペクトログラム１２は、少なくともとりわけ、例えば２つの連続した変換ウィンドウ１６のための例となる１４で示される重複変換などの適切な変換を介して、オーディオ信号１０から導き出され、さらに、このように、関連したスペクトル１８は、例えば、関連した変換ウィンドウ１６の中間に対応する時間インスタンスでスペクトログラム１２からのスライスを表す。スペクトログラム１２およびそれが導き出される方法のための例が、さらに以下に示される。いずれの場合でも、スペクトログラム１２は、いくつかの種類の量子化の対象となり、ひいては、スペクトログラム１２がスペクトル時間的にサンプリングされるスペクトル値が連続的にゼロであるゼロ部分を有する。重複変換１４は、例えば、ＭＤＣＴなどのクリティカルにサンプリングされた変換であってもよい。変換ウィンドウ１６は、互いに５０％の重なりを有することができるが、異なる実施形態が、同様に可能である。さらに、スペクトログラム１２がスペクトル値にサンプリングされるスペクトル時間分解能は、時間的に変化することができる。換言すれば、スペクトログラム１２の連続したスペクトル１８間の時間的距離は、時間的に変化することができ、さらに、それは、それぞれのスペクトル１８のスペクトル分解能に当てはまる。特に、連続したスペクトル１８間の時間的距離に関する限り時間的な変化は、スペクトルのスペクトル分解能の変化と逆であってもよい。量子化は、例えば、スペクトル的に変化する信号適応量子化ステップサイズを用い、それは、例えば、ノイズフィリングされるスペクトル１８を有するスペクトログラム１２の量子化されたスペクトル値が符号化されるデータストリームにおいてシグナリングされるＬＰ係数によって記載されるオーディオ信号のＬＰＣスペクトルエンベロープに従って、または、決定されるスケールファクタに従って変化し、次に、心理音響モデルに従って、さらに、データストリームにおいてシグナリングされる。

そのほかに、時間整列された方法で、図１は、オーディオ信号１０の特徴およびその時間変化、すなわちオーディオ信号の調性を示す。一般に言って、「調性」は、オーディオ信号のエネルギーが時間的にその位置に関連するそれぞれのスペクトル１８において時間の特定の位置でどれくらい圧縮されるかを表す測定値を示す。エネルギーがオーディオ信号１０のノイズの多い時間位相におけるように非常に広がる場合に、調性は低い。しかしながら、エネルギーが１つ以上のスペクトルピークに実質的に圧縮される場合に、調性は高い。

図２は、本願の実施形態によるオーディオ信号のスペクトルにノイズフィリングを実行するように構成される装置を示す。以下にさらに詳細に記載されるように、その装置は、オーディオ信号の調性に依存してノイズフィリングを実行するように構成される。

図２の装置は、参照符号３０を用いて一般に示され、さらに、ノイズフィラー３２および調性決定器３４を含み、それは、任意である。

実際のノイズフィリングは、ノイズフィラー３２によって実行される。ノイズフィラー３２は、ノイズフィリングが適用されるものとするスペクトルを受信する。このスペクトルは、まばらなスペクトル３４として図２に示される。まばらなスペクトル３４は、スペクトログラム１２からのスペクトル１８であってもよい。スペクトル１８は、連続的にノイズフィラー３２に入る。ノイズフィラー３２は、スペクトル３４をノイズフィリングにかけ、さらに、「フィリングされたスペクトル」３６を出力する。ノイズフィラー３２は、図１における調性２０のように、オーディオ信号の調性に依存してノイズフィリングを実行する。状況に応じて、調性は、直接利用できなくてもい。例えば、既存のオーディオコーデックは、データストリームにおいてオーディオ信号の調性の明確なシグナリングを提供しないため、装置３０が復号化側にインストールされる場合に、高度な誤った推定なしに調性を再構成することが可能でない。例えば、スペクトル３４は、そのまばらさのためにおよび／またはその信号適応変化量子化のために、調性推定のために最適なベースでなくてもよい。

したがって、以下にさらに詳細に記載されるように、別の調性ヒント３８に基づいて調性の推定をノイズフィラー３２に提供することは、調性決定器３４のタスクである。後述する実施形態によれば、調性ヒント３８は、装置３０が例えば用いられるオーディオコーデックのデータストリーム内で伝達されるそれぞれの符号化パラメータによって、とにかく符号化側および復号化側で利用できる。

図３は、ゼロに量子化される、まばらなスペクトル３４、すなわちスペクトル３４のスペクトル的に隣接するスペクトル値のランからなる連続した部分４０および４２を有する量子化されたスペクトルのための例を示す。このように、連続した部分４０および４２は、スペクトル的にばらばらでありまたはスペクトル３４においてゼロスペクトル線に量子化されない少なくとも１つを介して互いに離間される。

図２に関して一般に上述されるノイズフィリングの調性依存は、以下のように実施され得る。図３は、４６で誇張される、連続したスペクトルゼロ部分４０を含む時間的部分４４を示す。ノイズフィラー３２は、スペクトル３４が属するときにオーディオ信号の調性に依存する方法でこの連続したスペクトルゼロ部分４０をフィリングするように構成される。特に、ノイズフィラー３２は、連続したスペクトルゼロ部分の内側で最大値を取りさらにその絶対傾きが調性に否定的に依存する外側に立ち下がるエッジを有する関数を用いて、スペクトル整形されるノイズで連続したスペクトルゼロ部分をフィリングする。図３は、２つの異なる調性のための２つの関数４８を例示的に示す。両方の関数は、「単一モード」であり、すなわち連続したスペクトルゼロ部分４０の内側で絶対最大値を取り、さらに、プラトーまたは単一のスペクトル周波数であってもよい単に１つの極大値だけを有する。ここでは、極大値は、ゼロ部分４０の中央に配置される、広げられた間隔５２、すなわちプラトーに連続的にわたる関数４８および５０によって取られる。関数４８および５０の領域は、ゼロ部分４０である。中央の間隔５２は、単にゼロ部分４０の中央部分をカバーし、さらに、間隔５２の高周波側のエッジ部分５４および間隔５２の低周波側の低周波エッジ部分５６が隣接している。関数４８および５０は、エッジ部分５４内で立ち下がるエッジ５８を有し、さらに、エッジ部分５６内で立ち上がるエッジ６０を有する。絶対傾きは、それぞれ、エッジ部分５４および５６内の平均傾きのように、それぞれ、それぞれのエッジ５８および６０に起因することができる。すなわち、立ち下がるエッジ５８に起因する傾きは、それぞれ、エッジ部分５４内のそれぞれの関数４８および５０の平均傾きであってもよく、さらに、立ち上がるエッジ６０に起因する傾きは、それぞれ、エッジ部分５６内の関数４８および５０の平均傾きであってもよい。

分かるように、エッジ５８および６０の傾きの絶対値は、関数４８よりも関数５０のために高い。ノイズフィラー３２は、ノイズフィラー３２がゼロ部分４０をフィリングするために関数４８を用いることを選択する調性よりも低い調性のために関数５０でゼロ部分４０をフィリングすることを選択する。この対策によって、ノイズフィラー３２は、例えばピーク６２のように、スペクトル３４の潜在的な音のスペクトルピークのすぐ周辺をクラスタリングすることを回避する。エッジ５８および６０の絶対傾きが小さいほど、ゼロ部分４０にフィリングされるノイズは、ゼロ部分４０を囲むスペクトル３４の非ゼロの部分から離れる。

ノイズフィラー３２は、例えば、オーディオ信号の調性がτ₂である場合に関数４８を選択しさらにオーディオ信号の調性がτ₁である場合に関数５０を選択することができるが、さらに以下に前倒しにされる説明は、ノイズフィラー３２がオーディオ信号の調性の２つの異なる状態よりも多くを区別することができ、すなわち、特定の連続したスペクトルゼロ部分をフィリングするための２つの異なる関数４８、５０よりも多くをサポートすることができ、さらに、調性から関数への全射的なマッピングを介して調性に応じてそれらのどちらかを選ぶことができることを明らかにする。

軽微な注意として、単一モードの関数をもたらすためにエッジ５８および６０が隣接している内側の間隔５２においてプラトーを有する関数４８および５０の構造が、単に例であることに留意されたい。代わりに、ベル形の関数が、例えば、変形例に従って用いられてもよい。間隔５２は、代わりに、関数がその最大値の９５％よりも高い間隔として定義されてもよい。

図４は、調性において、特定の連続したスペクトルゼロ部分４０がノイズフィラー３２によってフィリングされるノイズをスペクトル整形するために用いられる関数の変化のための変形例を示す。図４によれば、変化は、それぞれ、エッジ部分５４および５６のスペクトル幅と外側に立ち下がるエッジ５８および６０とに関連する。図４に示されるように、図４の例によれば、エッジ５８および６０の傾きは、調性から独立していてもよくすなわち調性に従って変えられなくてもよい。特に、図４の例によれば、ノイズフィラー３２は、外側に立ち下がるエッジ５８および６０のスペクトル幅が調性に肯定的に依存するように、ゼロ部分４０をフィリングするためのノイズがスペクトル整形される関数を設定し、すなわち、より高い調性のために、外側に立ち下がるエッジ５８および６０のスペクトル幅がより大きい関数４８が用いられ、さらに、より低い調性のために、外側に立ち下がるエッジ５８および６０のスペクトル幅がより小さい関数５０が用いられる。

図４は、連続したスペクトルゼロ部分４０がフィリングされるノイズをスペクトル整形するためのノイズフィラー３２によって用いられる関数の変化の別の例を示す。ここでは、調性で変化する関数の特徴は、ゼロ部分４０の外側のクォーターにわたる積分である。調性が高いほど、間隔は、大きくなる。間隔を決定する前に、完全なゼロ部分４０にわたる関数の全体の間隔は、例えば１に等しくされ／正規化される。

これを説明するために、図５を参照する。連続したスペクトルゼロ部分４０は、４つの等しい大きさのクォーターａ、ｂ、ｃ、ｄに仕切られることを示し、その中でクォーターａおよびｄは、外側のクォーターである。分かるように、両方の関数５０および４８は、内側において、ここでは例示的にゼロ部分４０の中間において、それらの重心を有するが、それらの両方は、内側のクォーターｂ、ｃから外側のクォーターａおよびｄに広がる。外側のクォーターａおよびｄを重ねる、関数４８および５０の重なり部分は、それぞれ、単に斜線で示される。

図５において、両方の関数は、全体のゼロ部分４０にわたるすなわち全４つのクォーターａ、ｂ、ｃ、ｄにわたる、同じ積分を有する。積分は、例えば１に正規化される。

この状態において、クォーターａ、ｄにわたる関数５０の積分は、クォーターａ、ｄにわたる関数４８の積分よりも大きく、したがって、ノイズフィラー３２は、より高い調性のために関数５０を用い、さらに、より低い調性のために関数４８を用い、すなわち正規化された関数５０および４８の外側のクォーターにわたる積分は、調性に否定的に依存する。

例示の目的のために、図５の場合において、両方の関数４８および５０は、一定のまたはバイナリの関数であることを例示的に示されている。例えば、関数５０は、全体の領域、すなわち全体のゼロ部分４０にわたる一定の値を取る関数であり、さらに、関数４８は、ゼロ部分４０の外側のエッジでゼロであり、さらに、それらの間に非ゼロの一定の値を取るバイナリの関数である。一般に言って、図５の例による関数５０および４８が、いかなる一定のまたは単一モードの関数、例えば図３および図４に示されるそれらに対応するものなどであってもよいことは、明らかである。さらに正確には、少なくとも１つは、単一モードであって、少なくとも１つは、（区分的に）一定であって、潜在的にさらなるものは、単一モードでまたは一定であってもよい。

調性に応じて関数４８および５０の変化のタイプが変化するにもかかわらず、図３〜図５の全ての例は、調性を増加するために、スペクトル３４において音のピークのすぐ周囲のスミアの程度が低減されまたは回避されることを共通して有し、そのため、ノイズフィリングの品質が増加し、なぜなら、ノイズフィリングが、オーディオ信号の音の位相に否定的に影響を及ぼさなく、それにもかかわらずオーディオ信号の非音の位相の快適な近似をもたらすからである。

これまで、図３〜図５の説明は、１つの連続したスペクトルゼロ部分のフィリングに焦点を置いた。図６の実施形態によれば、図２の装置は、オーディオ信号のスペクトルの連続したスペクトルゼロ部分を識別し、さらに、このように識別される連続したスペクトルゼロ部分にノイズフィリングを適用するように構成される。特に、図６は、ゼロ部分識別器７０およびゼロ部分フィラー７２を含むようにさらに詳細に図２のノイズフィラー３２を示す。ゼロ部分識別器は、スペクトル３４において図３における４０および４２などの連続したスペクトルゼロ部分をサーチする。すでに上述されているように、連続したスペクトルゼロ部分は、ゼロに量子化されているスペクトル値のランとして定義され得る。ゼロ部分識別器７０は、識別を、開始するすなわちいくつかの開始周波数の上に存在するオーディオ信号スペクトルの高周波スペクトル部分に限るように構成され得る。したがって、装置は、そのような高周波スペクトル部分にノイズフィリングの実行を限るように構成され得る。ゼロ部分識別器７０が連続したスペクトルゼロ部分の識別を実行し、さらに、装置がノイズフィリングの実行を限るように構成される、開始周波数は、固定され得りまたは変化することができる。例えば、オーディオ信号がそのスペクトルを介して符号化されるオーディオ信号のデータストリームにおける明確なシグナリングは、用いられる開始周波数をシグナリングするために用いられ得る。

ゼロ部分フィラー７２は、図３、図４または図５に関して上述されるような関数に従ってスペクトル整形されるノイズで識別器７０によって識別される識別された連続したスペクトルゼロ部分をフィリングするように構成される。したがって、ゼロ部分フィラー７２は、スペクトル値の数がそれぞれの連続したスペクトルゼロ部分およびオーディオ信号の調性のゼロ量子化されたスペクトル値のランのゼロに量子化されているように、それぞれの連続したスペクトルゼロ部分の幅に依存して設定される関数で識別器７０によって識別される連続したスペクトルゼロ部分をフィリングする。

特に、識別器７０によって識別されるそれぞれの連続したスペクトルゼロ部分の個々のフィリングは、以下のようにフィラー７２によって実行され得る。関数は、関数がそれぞれの連続したスペクトルゼロ部分に限られるように、連続したスペクトルゼロ部分の幅に依存して設定され、すなわち、関数の領域は、連続したスペクトルゼロ部分の幅と一致する。関数の設定は、すなわち図３〜図５に関して上に概説される方法で、オーディオ信号の調性にさらに依存し、そのため、オーディオ信号の調性が増加する場合に、関数の質量は、それぞれの連続したゼロ部分の内側でよりコンパクトになり、さらに、それぞれの連続したスペクトルゼロ部分のエッジから離間される。この関数を用いて、それぞれのスペクトル値がランダムな、疑似ランダムなまたはパッチされ／コピーされた値に設定される連続したスペクトルゼロ部分の予めフィリングされた状態は、すなわち予備スペクトル値で関数の乗算によって、スペクトル整形される。

調性におけるノイズフィリングの依存が３、４または４よりも多いように２つの異なる調性だけよりも多くの間で区別することができることは、すでに上に概説されている。図７は、例えば、参照符号７４で決定器３４によって決定されるように、可能な調性の領域、すなわち可能なインター調性値の間隔を示す。図７は、７６で、例示的に、連続したスペクトルゼロ部分がフィリングされ得るノイズをスペクトル整形するために用いられる可能な関数の設定を示す。図７に示されるようなセット７６は、スペクトル幅または領域長および／または形状、すなわちコンパクト性および外側のエッジからの距離によって互いに相互に区別する離散関数インスタンス化のセットである。図７は、７８で、可能なゼロ部分幅の領域をさらに示す。間隔７８は、いくらかの最小幅からいくらかの最大幅までの範囲の離散値の間隔である一方、オーディオ信号の調性を測定する決定器３４によって出力される調性値は、整数値であってもよく、または、浮動小数点値のように、いくつかの他のタイプの値であってもよい。一対の間隔７４および７８から可能な関数のセット７６へのマッピングは、テーブル検索によってまたは数学的関数を用いて実現され得る。例えば、識別器７０によって識別される特定の連続したスペクトルゼロ部分のために、ゼロ部分フィラー７２は、例えば、シーケンスの長さが連続したスペクトルゼロ部分の幅に一致する、関数値のシーケンスとして、定義されるセット７６の関数をテーブルにおいて検索するために、決定器３４によって決定されるようにそれぞれの連続したスペクトルゼロ部分の幅および現在の調性を用いることができる。代わりに、ゼロ部分フィラー７２は、それぞれの連続したスペクトルゼロ部分にフィリングされるノイズをスペクトル整形するために用いられる関数を導き出すために、関数パラメータを検索し、さらに、これらの関数のパラメータを予め決められた関数にフィリングする。別の変形例において、ゼロ部分フィラー７２は、数学的に計算される関数パラメータによるそれぞれの関数を構築するために、関数パラメータに到達するための数式に、それぞれの連続したスペクトルゼロ部分の幅および現在の調性を直接挿入することができる。

これまで、本願の特定の実施形態の説明は、特定の連続したスペクトルゼロ部分がフィリングされるノイズをスペクトル整形するために用いらる関数の形状に焦点を置いた。しかしながら、快適な再構成をもたらすためにノイズフィリングされる特定のスペクトルに付加されるノイズの全体のレベルを制御し、または、スペクトル的にノイズ導入のレベルを制御することも、有利である。

図８は、ノイズフィリングされるスペクトルを示し、ゼロに量子化されない部分、したがって、ノイズフィリングの対象とならない部分は、クロスハッチングされて示され、３つの連続したスペクトルゼロ部分９０、９２および９４は、ドントケアスケールを用いて、これらの部分９０〜９４にフィリングされるノイズをスペクトル整形するために選択された関数がそこに書かれているゼロ部分によって示されるプリフィリングされた状態で示される。

１つの実施形態によれば、部分９０〜９４にフィリングされるノイズをスペクトル整形するための関数４８、５０の利用できるセットは、全て、エンコーダおよびデコーダに知られている所定のスケールを有する。スペクトル的にグローバルなスケーリングファクタは、オーディオ信号すなわちスペクトルの非量子化された部分が符号化されるデータストリーム内で明確にシグナリングされる。このファクタは、例えば、ノイズのレベルのためのＲＭＳまたは別の測定値、すなわちランダムなまたは疑似ランダムなスペクトル線値を示し、それによって、部分９０〜９４は、復号化側で予め設定され、そして、調性依存して選択されたありのままの関数４８、５０を用いてスペクトル整形される。グローバルなノイズスケーリングファクタがエンコーダ側で決定されることができる方法として、さらに以下に記載される。例えば、Ａは、スペクトルがゼロに量子化されさらに部分９０〜９４のいずれかに属するスペクトル線のインデックスｉのセットであるとし、さらに、Ｎは、グローバルなノイズスケーリングファクタを意味するとする。スペクトルの値は、ｘ_iで意味されるものとする。さらに、「ｒａｎｄｏｍ（Ｎ）」は、レベル「Ｎ」に対応するレベルのランダムな値を与える関数を意味するものとし、さらに、ｌｅｆｔ（ｉ）は、インデックスｉでいかなるゼロ量子化されたスペクトル値のために、ｉが属するゼロ部分の低周波端でゼロ量子化された値のインデックスを示す関数であるものとし、さらに、ｊ＝０からＪ_i−１でＦ_i（ｊ）は、Ｊ_iがゼロ部分の幅を示すとともに、調性に応じて、インデックスｉで開始するゼロ部分９０〜９４に割り当てられる関数４８または５０を意味するものとする。そして、部分９０〜９４は、ｘ_i＝Ｆ_left(i)（ｉ−ｌｅｆｔ（ｉ））・ｒａｎｄｏｍ（Ｎ）に従ってフィリングされる。

さらに、部分９０〜９４へのノイズのフィリングは、ノイズレベルが低周波から高周波に低減するように制御され得る。これは、部分が予め設定されるノイズをスペクトル整形し、または、ローパスフィルタの伝達関数に従って関数４８、５０の配置をスペクトル整形することによって行われ得る。これは、例えば、量子化ステップサイズのスペクトル経過を決定する際に用いられるプリエンファシスによるフィリングされたスペクトルを再スケーリングし／逆量子化するときに生じるスペクトル傾斜を補償することができる。したがって、低減の峻度またはローパスフィルタの伝達関数は、適用されるプリエンファシスの程度に従って制御され得る。上で用いられる命名を適用すると、部分９０〜９４は、線形であってもよい低周波フィルタの伝達関数を意味するＬＰＦ（ｉ）でｘ_i＝Ｆ_left(i)（ｉ−ｌｅｆｔ（ｉ））・ｒａｎｄｏｍ（Ｎ）・ＬＰＦ（ｉ）に従ってフィリングされ得る。状況に応じて、関数１５に対応する関数ＬＰＦは、正の傾きを有することができ、それに応じて、ＬＰＦは、ＨＰＦを読み込むために変えられる。

調性およびゼロ部分の幅に応じて選択される関数の固定されたスケーリングを用いる代わりに、ちょうど概説されたスペクトル傾斜の修正は、それぞれの連続したスペクトルゼロ部分がフィリングされなければならないノイズをスペクトル整形するために用いられる関数の検索または他の決定８０の際にインデックスとしてもそれぞれの連続したゼロ部分のスペクトル位置を用いることによって直接説明され得る。例えば、関数の平均値または特定のゼロ部分９０〜９４にフィリングされるノイズをスペクトル整形するために用いられるそのプリスケーリングは、スペクトルの全体の帯域幅にわたって、連続したスペクトルゼロ部分９０〜９４のために用いられる関数が、スペクトルの非ゼロの量子化された部分を導き出すために用いられるいかなるハイパスプリエンファシス伝達関数も補償するためにローパスフィルタ伝達関数をエミュレートするためにプリスケーリングされるように、ゼロ部分９０〜９４のスペクトル位置に依存することができる。

ノイズフィリングを実行するための記載されている実施形態が、オーディオコーデックのための以下の実施形態において示され、上に概説されるノイズフィリングが、有利に組み込まれ得る。図９および図１０は、それぞれ、例えばＡＡＣ（アドバンストオーディオ符号化）のベースを形成するタイプの変換ベースの知覚的なオーディオコーデックを一緒に実施する、例えば一対のエンコーダおよびデコーダを示す。図９に示されるエンコーダ１００は、オリジナルのオーディオ信号１０２を変換器１０４における変換にかける。変換器１０４によって実行される変換は、例えば、図１の変換１４に対応する重複変換である。それは、スペクトログラム１２を一緒に含むスペクトル１８のシーケンスにオリジナルのオーディオ信号の連続した相互に重なる変換ウィンドウをかけることによって、入ってくるオリジナルのオーディオ信号１０２をスペクトル的に分解する。上に示されるように、スペクトログラム１２の時間分解能を定義するインター変換ウィンドウパッチは、それぞれのスペクトル１８のスペクトル分解能を定義する変換ウィンドウの時間的長さが行うのと同じように、時間的に変化することができる。エンコーダ１００は、変換器１０４に入る時間領域バージョンまたは変換器１０４によって出力されるスペクトル的に分解されたバージョンに基づいて、オリジナルのオーディオ信号から導き出される知覚モデラー１０６を含み、知覚的なマスキング閾値は、量子化ノイズが知覚できないように隠され得るスペクトル曲線を定義する。

オーディオ信号のスペクトル線的表現すなわちスペクトログラム１２およびマスキング閾値は、マスキング閾値に依存するスペクトル的に変化する量子化ステップサイズを用いてスペクトログラム１２のスペクトルサンプルを量子化するために関与する量子化器１０８に入る。マスキング閾値が大きいほど、量子化ステップサイズは、小さくなる。特に、量子化器１０８は、一方では量子化ステップサイズおよび他方では知覚的なマスキング閾値間の前述の関係によって、知覚的なマスキング閾値自体の一種の表現を表すいわゆるスケールファクタの形で量子化ステップサイズの変化を復号化側に知らせる。スケールファクタを復号化側に送信するために費やされるサイド情報の量および量子化ノイズを知覚的なマスキング閾値に適応する粒度間の良好な妥協を見つけるために、量子化器１０８は、量子化されたスペクトルレベルがオーディオ信号のスペクトログラム１２のスペクトル線的表現を記載するスペクトル時間分解能よりも低いまたは粗いスペクトル時間分解能においてスケールファクタを設定し／変化する。例えば、量子化器１０８は、それぞれのスペクトルをバークバンドなどのスケールファクタバンド１１０に再分割し、さらに、スケールファクタバンド１１０ごとに１つのスケールファクタを送信する。時間分解能に関する限り、それは、スペクトログラム１２のスペクトル値のスペクトルレベルと比較して、スケールファクタの送信に関する限りより低くてもよい。

スペクトログラム１２のスペクトル値のスペクトルレベルもスケールファクタ１１２も両方とも、復号化側に送信される。しかしながら、オーディオ品質を改善するために、エンコーダ１００は、表現１２のゼロ量子化された部分が、スケールファクタ１１２を適用することによってスペクトルを再スケーリングしまたは逆量子化する前にノイズでフィリングされなければならないまでのノイズレベルを復号化側にシグナリングするグローバルなノイズレベルもデータストリーム内で送信する。これは、図１０に示される。図１０は、クロスハッチングを用いて、図９における１８などのまだ再スケーリングされていないオーディオ信号のスペクトルを示す。それは、連続したスペクトルゼロ部分４０ａ、４０ｂ、４０ｃおよび４０ｄを有する。スペクトル１８ごとにデータストリームにおいて送信され得るグローバルなノイズレベル１１４は、これらのゼロ部分４０ａ〜４０ｄがスケールファクタ１１２を用いてこのフィリングされたスペクトルを再スケーリングまたは再量子化にかける前にノイズでフィリングされるものとするまでのレベルをデコーダに示す。

すでに上に示されているように、グローバルなノイズレベル１１４が参照するノイズフィリングは、この種のノイズフィリングが単にｆ_startとして例示の目的のために図１０に示されるいくつかの開始周波数の上の周波数を単に参照するという制限の対象となり得る。

図１０は、エンコーダ１００において実施され得る別の特定の特徴を示す。それぞれのスケールファクタバンド内の全てのスペクトル値がゼロに量子化されているスケールファクタバンド１１０を含むスペクトル１８があってもよいように、そのようなスケールファクタバンドに関連するスケールファクタ１１２は、実際に余分である。したがって、量子化器１００は、グローバルなノイズレベル１１４を用いてスケールファクタバンドにフィリングされるノイズに加えてノイズでスケールファクタバンドを個々にフィリングするために、または他の用語で、グローバルなノイズレベル１１４に応答してそれぞれのスケールファクタバンドに起因するノイズをスケーリングするために、このまさにスケールファクタを用いる。例えば、図１０を参照する。図１０は、スケールファクタバンド１１０ａ〜１１０ｈへのスペクトル１８の例示的な再分割を示す。スケールファクタバンド１１０ｅは、スペクトル値の全てがゼロに量子化されているスケールファクタバンドである。したがって、関連したスケールファクタ１１２は、「フリー」であり、さらに、このスケールファクタバンドが完全にフィリングされるまでのノイズのレベルを決定する１１４ために用いられる。非ゼロのレベルに量子化されるスペクトル値を含む他のスケールファクタバンドは、代表的に、スケーリングが矢印１１６を用いて示される、ゼロ部分４０ａ〜４０ｄがフィリングされているノイズを含む、ゼロに量子化されていないスペクトル１８のスペクトル値を再スケーリングするために用いられる、関連するスケールファクタを有する。

図９のエンコーダ１００は、復号化側内でグローバルなノイズレベル１１４を用いるノイズフィリングが、上述されるノイズフィリング実施形態を用いて、例えば調性への依存を用いておよび／またはスペクトル的にグローバルな傾斜をノイズに課しておよび／またはノイズフィリング開始周波数などを変化して、実行されることをすでに考慮に入れることができる。

調性への依存に関する限り、エンコーダ１００は、それぞれのゼロ部分をフィリングするためにノイズをスペクトル整形するための関数をゼロ部分４０ａ〜４０ｄに関連付けることによって、グローバルなノイズレベル１１４を決定し、さらに、それをデータストリームに挿入することができる。特に、エンコーダは、グローバルなノイズレベル１１４を決定するために、これらの部分４０ａ〜４０ｄにおいてオリジナルのすなわち重み付けされているがまだ量子化されていないオーディオ信号のスペクトル値に重み付けするために、これらの関数を用いることができる。それによって、データストリーム内で決定されさらに送信されるグローバルなノイズレベル１１４は、オリジナルのオーディオ信号のスペクトルをより密接にリカバーする復号化側でノイズフィリングをもたらす。

エンコーダ１００は、オーディオ信号のコンテンツに応じて、いくつかの符号化オプションの使用を決めることができ、次に、部分４０ａ〜４０ｄをフィリングするために用いられるノイズをスペクトル整形するための関数を復号化側に正しく設定することを可能にするために、図２に示される調性ヒント３８などの調性ヒントとして用いられ得る。例えば、エンコーダ１００は、いわゆる長期予測ゲインパラメータを用いて前のスペクトルから１つのスペクトル１８を予測するために、時間予測を用いることができる。換言すれば、長期予測ゲインは、そのような時間予測が用いられまたは用いられないまでの程度を設定することができる。したがって、長期予測ゲインまたはＬＴＰゲインは、ＬＴＰゲインが高いほど、オーディオ信号の調性が高いという可能性が最も高い、調性ヒントとして用いられ得るパラメータである。このように、図２の調性決定器３４は、例えば、ＬＴＰゲインへの単調な肯定的な依存に従って調性を設定することができる。ＬＴＰゲインの代わりにまたはそれに加えて、データストリームは、例えば、ＬＴＰのオン／オフを切り替え、それによって調性に関するバイナリ値のヒントを明らかにする、ＬＴＰイネーブルメントフラグシグナリングを含むことができる。

加えてまたは代わりに、エンコーダ１００は、時間ノイズ整形をサポートすることができる。すなわち、スペクトル１８ごとに、例えば、エンコーダ１００は、デコーダに時間ノイズ整形イネーブルメントフラグによってこの決定を示すとともに、時間ノイズ整形にスペクトル１８をかけることを選択することができる。ＴＮＳイネーブルメントフラグは、スペクトル１８のスペクトルレベルがスペクトルの予測残差、すなわち、決定される周波数方向に沿ってスペクトルの線形予測を形成するかどうかを、または、スペクトルが予測されるＬＰでないどうかを示す。ＴＮＳがイネーブルにされるとシグナリングされる場合に、データストリームは、デコーダが再スケーリングまたは逆量子化の前にまたは後にそれをスペクトルに適用することによってこれらの線形予測係数を用いてスペクトルをリカバーすることができるように、スペクトルをスペクトル的に線形予測するための線形予測係数をさらに含む。ＴＮＳイネーブルメントフラグは、調性ヒントでもある。例えば一時的に、ＴＮＳイネーブルメントフラグが切り替えられるＴＮＳをシグナリングする場合に、オーディオ信号は、スペクトルが周波数軸に沿った線形予測によってかなり予測可能であるように見えるので、音である可能性がほとんどなく、よって非定常である。したがって、調性は、ＴＮＳイネーブルメントフラグがＴＮＳをディセーブルにする場合に調性がより高く、さらに、ＴＮＳイネーブルメントフラグがＴＮＳのイネーブルメントをシグナリングする場合に調性がより低いように、ＴＮＳイネーブルメントフラグに基づいて決定され得る。ＴＮＳイネーブルメントフラグの代わりにまたはそれに加えて、ＴＮＳがスペクトルを予測するために使用可能であるまでの程度を示すＴＮＳゲインをＴＮＳフィルタ係数から導き出すことが可能であってもよく、それによって調性に関する２よりも大きい値のヒントを明らかにする。

他の符号化パラメータは、エンコーダ１００によってデータストリーム内で符号化され得る。例えば、スペクトル再配置イネーブルメントフラグは、デコーダがスペクトル１８をリカバーするためにスペクトルレベルを再配置しまたは再スクランブルすることができるように、データストリーム内で再配置プリスクリプションをスペクトル的にさらに送信するとともに、スペクトル１８がスペクトルレベルすなわち量子化されたスペクトル値を再配置することによって符号化される１つの符号化オプションをシグナリングすることができる。スペクトル再配置イネーブルメントフラグがイネーブルにされる場合に、すなわちスペクトル再配置が適用される場合に、これは、多くの音のピークがスペクトル内にある場合に、オーディオ信号が、データストリームを圧縮する際によりレート／歪の効果的である傾向がある再配置として音である可能性が高いことを示す。したがって、加えてまたは代わりに、スペクトル再配置イネーブルメントフラグは、音のヒントとして用いられ得り、さらに、ノイズフィリングのために用いられる調性は、スペクトル再配置イネーブルメントフラグがイネーブルにされる場合により大きく設定され得り、さらに、スペクトル配置イネーブルメントフラグがディセーブルにされる場合により小さく設定され得る。

完全性のために、図２に関して、ゼロ部分４０ａ〜４０ｄをスペクトル整形するための異なる関数の数、すなわちスペクトル整形するための関数を設定するために区別される異なる調性の数は、例えば、４よりも大きくてもよく、または、少なくとも予め決められた最小幅よりも上の連続したスペクトルゼロ部分の幅のための８よりもさらに大きくてもよいことに留意されたい。

スペクトル的にグローバルな傾斜をノイズに課し、さらに、ノイズレベルパラメータを符号化側で計算するときに、それを考慮に入れる概念に関する限り、エンコーダ１００は、少なくともスペクトル帯域幅の全体のノイズフィリング部分にわたってスペクトル的に広がりさらにノイズフィリングのための復号化側で用いられる関数１５と比較して逆の符号の傾きを有する関数で、スペクトル的にゼロ部分４０ａ〜４０ｄと同じ位置に配置される、オーディオ信号のスペクトル値に重み付けする知覚的な重み関数の逆で、まだ量子化されていない部分に重み付けし、さらに、例えば、このように重み付けされた非量子化された値に基づいてレベルを測定することによって、グローバルなノイズレベル１１４を決定し、さらに、それをデータストリームに挿入することができる。

図１１は、図９のエンコーダに適合するデコーダを示す。図１１のデコーダは、参照符号１３０を用いて一般に示され、さらに、上述された実施形態に対応するノイズフィラー３０、逆量子化器１３２および逆変換器１３４を含む。ノイズフィラー３０は、スペクトログラム１２内でスペクトル１８のシーケンス、すなわち量子化されたスペクトル値を含むスペクトル線的表現、および、任意に、上述される符号化パラメータの１つまたはいくつかのようなデータストリームからの調性ヒントを受信する。そして、ノイズフィラー３０は、例えば、上述される調性依存を用いておよび／またはスペクトル的にグローバルな傾斜をノイズに課すことによって、さらに、上述されるようにノイズレベルをスケーリングするためのグローバルなノイズレベル１１４を用いて、上述されるように連続したスペクトルゼロ部分４０ａ〜４０ｄをノイズでフィリングする。このようにフィリングされた、これらのスペクトルは、スケールファクタ１１２を用いてノイズフィリングされたスペクトルを次に逆量子化しまたは再スケーリングする逆量子化器１３２に達する。次に、逆変換器１３４は、オーディオ信号をリカバーするために、逆量子化されたスペクトルを逆変換にかける。上述されるように、逆変換１３４は、例えばＭＤＣＴなどのクリティカルにサンプリングされた重複変換である変換器１０４によって用いられる変換の場合に生じる時間領域エイリアシング取消を達成するために重畳加算プロセスを含むことができ、逆変換が逆変換器１３４によって適用される場合にはＩＭＤＣＴ（逆ＭＤＣＴ）である。

図９および図１０に関してすでに記載されているように、逆量子化器１３２は、プリフィリングされたスペクトルにスケールファクタを適用する。すなわち、ゼロに完全に量子化されていないスケールファクタバンド内のスペクトル値は、非ゼロのスペクトル値または上述されるようにノイズフィラー３０によってスペクトル整形されているノイズを表すスペクトル値に関わりなくスケールファクタを用いてスケーリングされる。完全にゼロ量子化されたスペクトルバンドは、ノイズフィリングを制御することが完全にフリーである関連するスケールファクタを有し、さらに、ノイズフィラー３０は、スケールファクタバンドが連続したスペクトルゼロ部分のノイズフィラー３０のノイズフィリングによってフィリングされているノイズを個々にスケーリングするためにこのスケールファクタを用いることもでき、または、ノイズフィラー３０は、これらのゼロ量子化されたスペクトルバンドに関する限り付加ノイズをさらにフィリングしすなわち付加するためにスケールファクタを用いることができる。

ノイズフィラー３０が上述される調性依存の方法でスペクトル整形しおよび／または上述される方法でスペクトル的にグローバルな傾斜にかけるノイズが、疑似ランダムなノイズソースから生じることができ、または、例えば別のチャネルの時間整列されたスペクトルまたは時間的に前のスペクトルのように、同じスペクトルの他の領域または関連したスペクトルからスペクトルのコピーまたはパッチングに基づいてノイズフィラー３０から導き出され得ることに留意されたい。同じスペクトルからのパッチングも、例えばスペクトル１８の低周波領域からのコピー（スペクトルのコピー）のように、可能であり得る。ノイズフィラー３０がノイズを導き出す方法に関わりなく、フィラー３０は、上述される調整依存の方法で連続したスペクトルゼロ部分４０ａ〜４０ｄにフィリングするためのノイズをスペクトル整形しおよび／または上述される方法でそれをスペクトル的にグローバルな傾斜にかける。

完全性のためだけに、一方ではスケールファクタおよびスケールファクタに特定のノイズレベル間の並置が異なって実施されるという点で、図９および図１１のエンコーダ１００およびデコーダ１３０の実施形態が変化され得ることが、図１２に示される。図１２の例によれば、エンコーダは、例えば、スケールファクタ１１２に加えて、スケールファクタ１１２と同じスペクトル時間分解能などで、スペクトログラム１２のスペクトル線的分解能よりも粗い分解能でスペクトル時間的にサンプリングされる、ノイズエンベロープの情報をデータストリーム内で送信する。このノイズエンベロープ情報は、図１２に参照符号１４０を用いて示される。この対策によって、ゼロに完全に量子化されなかったスケールファクタバンドのために２つの値：そのそれぞれのスケールファクタバンド内で非ゼロのスペクトル値を再スケーリングしまたは逆量子化するためのスケールファクタと、そのスケールファクタバンド内でゼロ量子化されたスペクトル値のノイズレベルを個々にスケーリングするスケールファクタバンドのためのノイズレベル１４０とが存在する。この概念は、ＩＧＦ（インテリジェントギャップフィリング）とも呼ばれる。

ここでも、ノイズフィラー３０は、図１２に例示的に示されるように連続したスペクトルゼロ部分４０ａ〜４０ｄの調性依存のフィリングを適用することができる。

図９〜図１２に関して上で概説されるオーディオコーデックの例によれば、量子化ノイズのスペクトル整形は、スケールファクタの形でスペクトル時間表現を用いて知覚的なマスキング閾値に関する情報を送信することによって実行されている。図１３および図１４は、一対のエンコーダおよびデコーダを示し、図１〜図８に関して記載されるノイズフィリング実施形態は、用いられ得るが、量子化ノイズは、オーディオ信号のスペクトルのＬＰ（線形予測）記述に従ってスペクトル整形される。両方の実施形態において、ノイズフィリングされるスペクトルは、重み付けされた領域にあり、すなわち、それは、重み付けされた領域または知覚的に重み付けされた領域においてスペクトル的に一定のステップサイズを用いて量子化される。

図１３は、変換器１５２、量子化器１５４、プリエンファサイザ１５６、ＬＰＣアナライザ１５８、およびＬＰＣ対スペクトル線コンバータ１６０を含むエンコーダ１５０を示す。プリエンファサイザ１５６は、任意である。プリエンファサイザ１５６は、入ってくるオーディオ信号１２をプリエンファシスに、すなわち、例えばＦＩＲまたはＩＩＲフィルタを用いて浅いハイパスフィルタ伝達関数を有するハイパスフィルタリングにかける。一次のハイパスフィルタは、例えば、プリエンファシスの量または強さを線で設定するαでＨ（ｚ）＝１−αｚ-１のようにプリエンファサイザ１５６のために用いられ得り、実施形態の１つによれば、スペクトルにフィリングされるためのノイズがかけられるスペクトル的にグローバルな傾斜が変化される。αの可能な設定は、０．６８であり得る。プリエンファサイザ１５６によって生じるプリエンファシスは、高周波から低周波に、エンコーダ１５０によって送信される量子化されたスペクトル値のエネルギーをシフトすることであり、それによって、人間の知覚が高周波領域においてよりも低周波領域においてより高い心理音響法則を考慮に入れる。オーディオ信号がプリエンファシスされるか否か、ＬＰＣアナライザ１５８は、オーディオ信号を線形に予測し、または、そのスペクトルエンベロープをより正確に推定するために、入ってくるオーディオ信号１２にＬＰＣ分析を実行する。ＬＰＣアナライザ１５８は、例えば、線形予測係数を、オーディオ信号１２の多くのオーディオサンプルからなるサブフレームの時間単位で決定し、さらに、それをデータストリーム内で復号化側に１６２で示されるように送信する。ＬＰＣアナライザ１５８は、例えば、分析ウィンドウにおける自己相関を用いて、さらに、例えばレビンソンダービンアルゴリズムを用いて、線形予測係数を決定する。線形予測係数は、例えばスペクトル線対などの形で量子化されおよび／または変換されたバージョンでデータストリームにおいて送信され得る。いずれの場合でも、ＬＰＣアナライザ１５８は、データストリームを介して復号化側で利用できるように線形予測係数をＬＰＣ対スペクトル線コンバータ１６０に送り、さらに、コンバータ１６０は、量子化ステップサイズをスペクトル的に変化し／設定するために量子化器１５４によって用いられるスペクトル曲線に線形予測係数を変換する。特に、変換器１５２は、例えば変換器１０４が行うのと同じ方法で入ってくるオーディオ信号１２を変換にかける。このように、変換器１５２は、スペクトルのシーケンスを出力し、さらに、量子化器１５４は、例えば、全体のスペクトルのためのスペクトル的に一定の量子化ステップサイズを用いて、コンバータ１６０から得られるスペクトル曲線によってそれぞれのスペクトルを分割することができる。量子化器１５４によって出力されるスペクトルのシーケンスのスペクトログラムは、図１３の１６４で示され、さらに、復号化側でフィリングされ得るいくつかの連続したスペクトルゼロ部分を含む。グローバルなノイズレベルパラメータは、エンコーダ１５０によってデータストリーム内で送信され得る。

図１４は、図１３のエンコーダに適合するデコーダを示す。図１４のデコーダは、参照符号１７０を用いて一般に示され、さらに、ノイズフィラー３０、ＬＰＣ対スペクトル線コンバータ１７２、逆量子化器１７４および逆変換器１７６を含む。ノイズフィラー３０は、量子化されたスペクトル１６４を受信し、上述されるように連続したスペクトルゼロ部分にノイズフィリングを実行し、さらに、このようにフィリングされたスペクトログラムを逆量子化器１７４に送る。逆量子化器１７４は、ＬＰＣ対スペクトル線コンバータ１７２から、フィリングされたスペクトルを再整形するための、または、換言すれば、それを逆量子化するための逆量子化器１７４によって用いられるスペクトル曲線を受信する。このプロセスは、ＦＤＮＳ（周波数領域ノイズ整形）とも呼ばれる。ＬＰＣ対スペクトル線コンバータ１７２は、データストリームにおいてＬＰＣ情報１６２に基づいてスペクトル曲線を導き出す。逆量子化器１７４によって出力される、逆量子化されたスペクトル、または再整形されたスペクトルは、オーディオ信号をリカバーするために、逆変換器１７６による逆変換にかけられる。また、再整形されたスペクトルのシーケンスは、例えばＭＤＣＴなどのクリティカルにサンプリングされた重複変換である変換器１５２の変換の場合に連続した再変換間で時間領域エイリアシング取消を実行するために、逆変換器１７６によって、重畳加算プロセスが続く逆変換にかけられ得る。

図１３および図１４における点線によって、プリエンファサイザ１５６によって適用されるプリエンファシスがデータストリーム内でシグナリングされるバリエーションで時間的に変化することができることが、示される。その場合において、ノイズフィラー３０は、図８に関して上述されるようにノイズフィリングを実行するときにプリエンファシスを考慮に入れることができる。特に、プリエンファシスは、量子化されたスペクトル値すなわちスペクトルレベルが低周波から高周波に低減する傾向があるという点で、すなわち、それらがスペクトル傾斜を示すという点で、量子化器１５４によって出力される量子化されたスペクトルにおいてスペクトル傾斜を生じる。このスペクトル傾斜は、上述される方法でノイズフィラー３０によって、補償され、または、よりよくエミュレートされ、または、適応され得る。データストリームにおいてシグナリングされる場合に、シグナリングされるプリエンファシスの程度は、プリエンファシスの程度に依存する方法で、フィリングされたノイズの適応傾斜を実行するために用いられ得る。すなわち、データストリームにおいてシグナリングされるプリエンファシスの程度は、ノイズフィラー３０によってスペクトルにフィリングされるノイズに課されるスペクトル傾斜の程度を設定するためにデコーダによって用いられ得る。

これまで、いくつかの実施形態が記載されており、さらに、以下に特定の実施例が示される。これらの例に関して前倒しにされる詳細は、それをさらに特定するために上述の実施形態に個々に移動できるとして理解されるものとする。しかしながら、その前に、上述される実施形態の全てが、オーディオおよびスピーチの符号化において用いられ得ることに留意すべきである。それらは、一般に、変換符号化を参照し、さらに、サイド情報の非常に少ない量を用いて量子化プロセスにおいて導入されるゼロをスペクトル整形されたノイズに置き換えるための信号適応概念を用いる。上述される実施形態において、そのような開始周波数が用いられる場合にスペクトルホールがノイズフィリング開始周波数のすぐ下に現れもし、さらに、そのようなスペクトルホールが知覚的に迷惑でもあるという、観察が利用されている。開始周波数の明確なシグナリングを用いる上述の実施形態は、劣化をもたらすホールを取り除くことを可能にするが、ノイズの挿入が歪を導入するところではどこでも低周波でノイズを挿入することを回避することを可能にする。

さらに、上で概説される実施形態のいくつかは、プリエンファシスによって生じるスペクトル傾斜を補償するために、プリエンファシス制御されたノイズフィリングを用いる。これらの実施形態は、ＬＰＣフィルタがプリエンファシス信号で計算される場合に、挿入されるノイズのグローバルな若しくは平均の振幅または平均エネルギーを単に適用して、復号化側でＦＤＮＳのように挿入されたノイズにおいてスペクトル傾斜を導入するためにノイズ整形を生じ、スペクトル的にフラットな挿入されたノイズをプリエンファシスのスペクトル傾斜をまだ示すスペクトル整形にかける、観察を考慮に入れる。したがって、後の実施形態は、プリエンファシスからスペクトル傾斜が考慮されさらに補償されるような方法で、ノイズフィリングを実行している。

このように、換言すれば、図１１および図１４は、それぞれ、知覚的な変換オーディオデコーダを示している。それは、オーディオ信号のスペクトル１８にノイズフィリングを実行するように構成されるノイズフィラー３０を含む。その実行は、上述されるように調性依存して行われ得る。その実行は、上述されるように、ノイズフィリングされたスペクトルを得るために、スペクトル的にグローバルな傾斜を示すノイズでスペクトルをフィリングすることによって行われ得る。「スペクトル的にグローバルな傾斜」は、例えば、傾斜が、例えば、ノイズでフィリングされる全ての部分４０にわたるノイズを包囲するエンベロープにおいて、それ自体を明らかにすることを意味するものとし、それは、傾けられ、すなわち非ゼロの傾きを有する。「エンベロープ」は、例えば全て自己連続しているがスペクトル的に離間される部分４０にフィリングされるノイズの極大値を通して導かれる、例えば線形関数または二次若しくは三次の別の多項式のようなスペクトル回帰曲線であるように定義される。「低周波から高周波への低減」は、この傾斜が負の傾きを有することを意味し、さらに、「低周波から高周波への増加」は、この傾斜が正の傾きを有することを意味する。両方の実行態様は、同時にまたは単にそれらの１つを適用することができる。

さらに、知覚的な変換オーディオデコーダは、スペクトル知覚的な重み関数を用いてノイズフィリングされたスペクトルをスペクトル整形にかけるように構成される、逆量子化器１３２、１７４の形で周波数領域ノイズシェーパ６を含む。図１１の場合において、周波数領域ノイズシェーパ１３２は、スペクトルが符号化されるデータストリームにおいてシグナリングされる線形予測係数情報１６２からスペクトル知覚的な重み関数を決定するように構成される。図１４の場合において、周波数領域ノイズシェーパ１７４は、データストリームにおいてシグナリングされる、スケールファクタバンド１１０に関するスケールファクタ１１２からスペクトル知覚的な重み関数を決定するように構成される。図８に関して記載されさらに図１１に関して示されるように、ノイズフィラー３４は、データストリームにおいて明確なシグナリングに応答してスペクトル的にグローバルな傾斜の傾きを変化し、または、それを、例えばＬＰＣスペクトルエンベロープまたはスケールファクタを評価することによってスペクトル知覚的な重み関数をシグナリングするデータストリームの部分から推定し、または、それを、量子化されさらに送信されたスペクトル１８から推定するように構成され得る。

さらに、知覚的な変換オーディオデコーダは、逆変換を得るために、周波数領域ノイズシェーパによってスペクトル整形される、ノイズフィリングされたスペクトルを逆変換し、さらに、逆変換を重畳加算プロセスにかけるように構成される逆変換器１３４、１７６を含む。

対応して、図１３および図９は、両方とも、図９および図１３に示される量子化器モジュール１０８、１５４において両方とも実施されるスペクトル重み付け１および量子化２を実行するように構成される知覚的な変換オーディオエンコーダのための例を示している。スペクトル重み付け１は、知覚的に重み付けされたスペクトルを得るために、スペクトル知覚的な重み関数の逆に従ってオーディオ信号のオリジナルのスペクトルにスペクトル的に重み付けし、さらに、量子化２は、量子化されたスペクトルを得るために、スペクトル的に一様な方法で知覚的に重み付けされたスペクトルを量子化する。知覚的な変換オーディオエンコーダは、量子化モジュール１０８、１５４内でノイズレベル計算３をさらに実行し、例えば、低周波から高周波へ増加するスペクトル的にグローバルな傾斜で重み付けされる方法で量子化されたスペクトルのゼロ部分と同じ位置に配置される知覚的に重み付けされたスペクトルのレベルを測定することによってノイズレベルパラメータを計算する。図１３によれば、知覚的な変換オーディオエンコーダは、オーディオ信号のオリジナルのスペクトルのＬＰＣスペクトルエンベロープを表す線形予測係数情報１６２を決定するように構成されるＬＰＣアナライザ１５８を含み、スペクトル重み付け器１５４は、ＬＰＣスペクトルエンベロープに続くためにスペクトル知覚的な重み関数を決定するように構成される。前述のように、ＬＰＣアナライザ１５８は、プリエンファシスフィルタ１５６にかける、オーディオ信号のバージョンにＬＰ分析を実行することによって線形予測係数情報１６２を決定するように構成され得る。図１３に関して上述されるように、プリエンファシスフィルタ１５６は、プリエンファシスフィルタにかける、オーディオ信号のバージョンを得るために、変化するプリエンファシス量でオーディオ信号をハイパスフィルタにかけるように構成され得り、ノイズレベル計算は、プリエンファシス量に応じてスペクトル的にグローバルな傾斜の量を設定するように構成され得る。スペクトル的にグローバルな傾斜の量またはデータストリームにおいてプリエンファシス量の明確なシグナリングが用いられ得る。図９の場合において、知覚的な変換オーディオエンコーダは、マスキング閾値に続くためにスケールファクタバンド１１０に関するスケールファクタ１１２を決定する知覚モデル１０６を介して制御されるスケールファクタ決定を含む。この決定は、例えば、スケールファクタに続くためにスペクトル知覚的な重み関数を決定するように構成されるスペクトル重み付け器として働く量子化モジュール１０８において実施される。

図９〜図１４を説明するために用いられるちょうど適用された代わりの一般化する言葉遣いは、図１８ａおよび図１８ｂを記載するためにこれからピックアップされる。

図１８ａは、本願の実施形態による知覚的な変換オーディオエンコーダを示し、さらに、図１８ｂは、本願の実施形態による知覚的な変換オーディオデコーダを示し、両方は、一緒に知覚的な変換オーディオコーデックを形成するために適合する。

図１８ａに示すように、知覚的な変換オーディオエンコーダは、例が以下に示される予め決められた方法でスペクトル重み付け器１によって決定されるスペクトル重み付け知覚的な重み関数の逆に従ってスペクトル重み付け器１によって受信されるオーディオ信号のオリジナルのスペクトルにスペクトル的に重み付けするように構成されるスペクトル重み付け器１を含む。スペクトル重み付け器１は、この対策によって、知覚的な変換オーディオエンコーダの量子化器２において、スペクトル的に一様な方法ですなわちスペクトル線のために等しい方法で量子化にかけられる知覚的に重み付けされたスペクトルを得る。一様量子化器２によって出力される結果は、知覚的な変換オーディオエンコーダによって出力されるデータストリームに最終的に符号化される量子化されたスペクトル３４である。

ノイズのレベルを設定することに関して、スペクトル３４を改善するために復号化側で実行されるノイズフィリングを制御するために、量子化されたスペクトル３４のゼロ部分４０と同じ位置に配置される部分５で知覚的に重み付けされたスペクトル４のレベルを測定することによってノイズレベルパラメータを計算する、知覚的な変換オーディオエンコーダのノイズレベルコンピュータ３が、任意に存在してもよい。このように計算されるノイズレベルパラメータは、デコーダに到達するために上述されたデータストリームにおいて符号化され得る。

知覚的な変換オーディオデコーダが、図１８ｂに示される。それは、ノイズレベルがノイズフィリングされたスペクトル３６を得るために低周波から高周波に低減するようにスペクトル的にグローバルな傾斜を示すノイズでスペクトル３４をフィリングすることによって、図１８ａのエンコーダによって生成されるデータストリームに符号化されるように、オーディオ信号の入ってくるスペクトル３４にノイズフィリングを実行するように構成されるノイズフィリング装置３０を含む。参照符号６を用いて示される、知覚的な変換オーディオデコーダのノイズ周波数領域ノイズシェーパは、さらに以下の特定の例によって記載される方法でデータストリームを介して符号化側から得られるスペクトル知覚的な重み関数を用いてノイズフィリングされたスペクトルをスペクトル整形にかけるように構成される。周波数領域ノイズシェーパ６によって出力されるこのスペクトルは、時間領域においてオーディオ信号を再構成するために逆変換器７に送られ得り、さらに、同様に、知覚的な変換オーディオエンコーダ内で、変換器８は、オーディオ信号のスペクトルをスペクトル重み付け器１に提供するためにスペクトル重み付け器１に先行することができる。

スペクトル的にグローバルな傾斜を示すノイズ９でスペクトル３４をフィリングする重要性は、以下のとおりである。後に、ノイズフィリングされたスペクトル３６が周波数領域ノイズシェーパ６によってスペクトル整形にかけられるときに、スペクトル３６は、傾斜した重み関数にかけられる。例えば、スペクトルは、低周波の重み付けと比較したときに、高周波で増幅される。すなわち、スペクトル３６のレベルは、低周波と比較して高周波で増加する。これは、スペクトル３６のオリジナルのスペクトル的にフラットな部分において正の傾きを有するスペクトル的にグローバルな傾斜を生じる。したがって、ノイズ９が、スペクトル的にフラットな方法で、そのゼロ部分４０をフィリングするためにスペクトル３６にフィリングされる場合に、ＦＤＮＳ６によって出力されるスペクトルは、これらの部分４０内で、例えば、低周波から高周波へ増加する傾向があるノイズフロアを示す。すなわち、全体のスペクトルまたは少なくともスペクトル帯域幅の部分を調べるときに、ノイズフィリングが実行され、部分４０内のノイズが正の傾きまたは負の傾きを有する傾向または線形回帰関数を有することが分かる。しかしながら、ノイズフィリング装置３０は、スペクトル３４を、図１８ｂにαで示される、正のまたは負の傾きのスペクトル的にグローバルな傾斜を示し、さらに、ＦＤＮＳ９によって生じる傾斜と比較して反対方向に傾けられているノイズでフィリングするので、ＦＤＮＳ６によって生じるスペクトル傾斜は、補償され、さらに、このようにＦＤＮＳ６の出力で最終的に再構成されたスペクトルに導入されるノイズフロアは、フラットまたは少なくともよりフラットであり、それによって、深いノイズホールをほとんど残さないオーディオ品質を増加する。

「スペクトル的にグローバルな傾斜」は、スペクトル３４にフィリングされるノイズ９が低周波から高周波に低減する（または増加する）傾向があるレベルを有することを意味するものとする。例えば、相互にスペクトル的に離間される、連続したスペクトルゼロ部４０にフィリングされるようにノイズ９の極大値を通して線形回帰直線を置くときに、結果として生じる線形回帰直線は、負の（または正の）傾きαを有する。

義務的でないにもかかわらず、知覚的な変換オーディオエンコーダのノイズレベルコンピュータは、例えば、αが負である場合に正の傾きおよびαが正である場合に負の傾きを有するスペクトル的にグローバルな傾斜で重み付けされる方法で部分５で知覚的に重み付けされたスペクトル４のレベルを測定することによってスペクトル３４にノイズフィリングの傾斜した方法で説明することができる。図１８ａにβとして示されるノイズレベルコンピュータによって適用される傾きは、その絶対値に関する限り、復号化側で適用されるものと同様である必要はないが、実施形態によれば、これは、そうであってもよい。そのようにすることによって、ノイズレベルコンピュータ３は、最良の方法で全体のスペクトル帯域幅にわたってオリジナルの信号に近いノイズレベルにより正確に復号化側で挿入されるノイズ９のレベルを適応することができる。

後に、データストリームにおいて明確なシグナリングを介して、または、例えば、ノイズフィリング装置３０がスペクトル知覚的な重み関数自体から若しくは変換ウィンドウ長切り替えから峻度を推定する潜在的なシグナリングを介して、スペクトル的にグローバルな傾斜αの傾きの変化を制御することが可能であり得ることが記載される。レター推論によって、例えば、傾きは、ウィンドウ長に適応され得る。

ノイズフィリング装置３０がスペクトル的にグローバルな傾斜を示すためにノイズ９を生じる方法によって可能な異なる方法がある。図１８ｃは、例えば、ノイズフィリング装置３０が、ノイズ９を得るために、ノイズフィリングプロセスにおいて中間状態を表す中間ノイズ信号１３と、単調に低減する（または増加する）関数１５、すなわち全体のスペクトルまたは少なくともノイズフィリングが実行される部分にわたって単調にスペクトル的に低減する（または増加する）関数との間で、スペクトル線的乗算１１を実行することを示す。図１８ｃに示されるように、中間ノイズ信号１３は、すでにスペクトル整形され得る。この点に関しての詳細は、ノイズフィリングが調性に依存して実行される、さらに以下に概説される特定の実施形態に関連する。しかしながら、スペクトル整形は、省略され得りまたは乗算１１の後に実行され得る。ノイズレベルパラメータ信号およびデータストリームは、中間ノイズ信号１３のレベルを設定するために用いられ得るが、代わりに、中間ノイズ信号は、乗算１１の後にスペクトル線をスケーリングするためにスカラーノイズレベルパラメータを適用する、標準レベルを用いて生成され得る。単調に低減する関数１５は、図１８ｃに示されるように、線形関数、区分的線形関数、多項式関数または他のいかなる関数であってもよい。

以下にさらに詳細に記載されるように、ノイズフィリングがノイズフィリング装置３０によって実行される全体のスペクトルの部分を適応的に設定することが可能である。

さらに以下に概説される実施形態に関連して、スペクトル３４において連続したスペクトルゼロ部分すなわちスペクトルホールが、特定のフラットでない調性依存の方法でフィリングされ、今までに述べられるスペクトル的にグローバルな傾斜を引き起こすために図１８ｃに示される乗算１１の代わりもあることが説明される。

上述される実施形態の全ては、スペクトルホールが回避されること、および、音の非ゼロの量子化された線を隠すことが回避されることを共通して有する。上述される方法において、信号のノイズの多い部分におけるエネルギーが保存され得り、さらに、音の成分をマスキングするノイズの付加が上述される方法で回避される。

後述される特定の実施において、調性依存のノイズフィリングを実行するためのサイド情報の部分は、ノイズフィリングが用いられるコーデックの既存のサイド情報に何も加えない。スペクトルの再構成のために用いられるデータストリームからの全ての情報は、ノイズフィリングに関係なく、ノイズフィリングの整形のために用いられ得る。

実施例によれば、ノイズフィラー３０におけるノイズフィリングは、以下のように実行される。ゼロに量子化されるノイズフィリング開始インデックスの上の全てのスペクトル線は、非ゼロの値に置き換えられる。これは、例えば、スペクトル的に一定の確率密度関数でランダムなまたは疑似ランダムな方法で、または、他のスペクトルスペクトログラム位置（ソース）からのパッチングを用いて、行われる。例えば、図１５を参照する。図１５は、量子化器１０８によって出力されるスペクトログラム１２におけるスペクトル３４若しくはスペクトル１８または量子化器１５４によって出力されるスペクトル１６４と同じようにノイズフィリングにかけられるスペクトルのための２つの例を示す。ノイズフィリング開始インデックスは、ｉＦｒｅｑ０およびｉＦｒｅｑ１（０＜ｉＦｒｅｑ０＜＝ｉＦｒｅｑ１）間のスペクトル線インデックスであり、ｉＦｒｅｑ０およびｉＦｒｅｑ１は、予め決められた、ビットレートおよび帯域幅に依存するスペクトル線インデックスである。ノイズフィリング開始インデックスは、非ゼロの値に量子化されるスペクトル線のインデックスｉＳｔａｒｔ（ｉＦｒｅｑ０＜＝ｉＳｔａｒｔ＜＝ｉＦｒｅｑ１）に等しく、インデックスｊ（ｉＳｔａｒｔ＜ｊ＜＝Ｆｒｅｑ１）を有する全てのスペクトル線は、ゼロに量子化される。ｉＳｔａｒｔ、ｉＦｒｅｑ０またはｉＦｒｅｑ１のための異なる値は、特定の信号に超低周波ノイズ（例えば環境ノイズ）を挿入することを可能にするためにビットストリームにおいて送信され得る。

挿入されたノイズは、以下のステップにおいて整形される。
１．残差領域または重み付けされた領域において。残差領域または重み付けされた領域における整形は、図１〜図１４に関して上に広範囲に記載されている。
２．ＬＰＣを用いるスペクトル整形またはＦＤＮＳ（ＬＰＣの振幅特性を用いる変換領域における整形）は、図１３および図１４に関して記載されている。スペクトルは、スケールファクタ（ＡＡＣにおけるような）を用いて、または、図９〜図１２に関して記載されるように完全なスペクトルを整形するための他のいかなるスペクトル整形方法を用いて、整形され得る。
３．より少ない数のビットを用いるＴＮＳ（時間ノイズ整形）を用いる任意の整形は、図９〜図１２に関して簡潔に記載されている。

ノイズフィリングのために必要とされる付加サイド情報だけが、例えば、３ビットを用いて送信されるレベルである。

ＦＤＮＳを用いるときに、それを特定のノイズフィリングに適応する必要がなく、さらに、それは、スケールファクタよりも少ない数のビットを用いて完全なスペクトルにわたるノイズを整形する。

スペクトル傾斜は、ＬＰＣベースの知覚的なノイズ整形においてプリエンファシスからスペクトル傾斜を弱めるために、挿入されたノイズにおいて導入され得る。プリエンファシスが，入力信号に適用される穏やかなハイパスフィルタを表すので、傾斜補償は、挿入されたノイズスペクトルに微妙なローパスフィルタの伝達関数に相当するものを乗算することによってこれを弱めることができる。このローパス操作のスペクトル傾斜は、プリエンファシスファクタ、さらに、好ましくは、ビットレートおよび帯域幅に依存する。これは、図８を参照して述べられている。

１つ以上の連続したゼロ量子化されたスペクトル線から構成される、スペクトルホールごとに、挿入されたノイズは、図１６に表現されるように整形され得る。ノイズフィリングレベルは、エンコーダにおいて見つけられ得り、さらに、ビットストリームにおいて送信され得る。非ゼロの量子化されたスペクトル線でノイズフィリングがなく、さらに、それは、完全なノイズフィリングまでのトランジション領域において増加する。完全なノイズフィリングの領域において、ノイズフィリングレベルは、例えば、ビットストリームにおいて送信されるレベルに等しい。これは、音の成分を潜在的にマスキングしまたは歪めることができる非ゼロの量子化されたスペクトル線のすぐ近くでノイズの高いレベルを挿入することを回避する。しかしながら、全てのゼロ量子化された線は、スペクトルホールを残さないで、ノイズに置き換えられる。

トランジション幅は、入力信号の調性に依存している。調性は、時間フレームごとに得られる。図１７ａ〜図１７ｄにおいて、ノイズフィリング整形は、異なるホールサイズおよびトランジション幅のために例示的に表現される。

スペクトルの調性測定値は、ビットストリームにおいて利用できる情報に基づくことができる。
・ＬＴＰゲイン
・スペクトル再配置イネーブルドフラグ（［６］を参照）
・ＴＮＳイネーブルドフラグ

トランジション幅は、調性と比例し、信号のようなノイズのために小さく、まさに音の信号のために大きい。

実施形態において、トランジション幅は、ＬＴＰゲイン＞０の場合に、ＬＴＰゲインと比例している。ＬＴＰゲインが０に等しく、さらに、スペクトル再配置がイネーブルにされる場合に、平均ＬＴＰゲインのためのトランジション幅が用いられる。ＴＮＳがイネーブルにされる場合に、トランジション領域がないが、完全なノイズフィリングは、全てのゼロ量子化されたスペクトル線に適用されるべきである。ＬＴＰゲインが０に等しく、さらに、ＴＮＳおよびスペクトル再配置がディセーブルにされる場合に、最小トランジション幅が用いられる。

ビットストリームにおいて調性情報がない場合に、調性測定値は、ノイズフィリングなしに復号化された信号で計算され得る。ＴＮＳ情報がない場合に、時間的平坦度測定値は、復号化された信号で計算され得る。しかしながら、ＴＮＳ情報が利用できる場合に、そのような平坦度測定値は、例えばフィルタの予測ゲインを計算することによって、直接ＴＮＳフィルタ係数から導き出され得る。

しかしながら、このアプローチに関する問題は、ＲＭＳ計算において、エネルギー合計が分割される合計におけるスペクトル線の数が不変であるので、小さいホール領域（すなわちトランジション幅の２倍よりもずっと小さい幅を有する領域）におけるスペクトルエネルギーが過小評価されることである。換言すれば、量子化されたスペクトルが多くの小さいホール領域を主に示すときに、結果として生じるノイズフィリングレベルは、スペクトルがまばらで少数のロングホール領域だけを有するときよりも低い。これらの場合の両方において、類似のノイズレベルが見つけられることを確実にするために、トランジション幅にＲＭＳ計算の分母において用いられる行カウントを適応することが有利である。最も重要なことだが、ホール領域サイズがトランジション幅の２倍よりも小さい場合に、ホール領域におけるスペクトル線の数は、そのままの状態で、すなわち整数の行として、カウントされないが、整数の行数よりも小さい小数の行数としてカウントされる。Ｎに関する上述の式において、例えば、「ｃａｒｄｉｎａｌｉｔｙ（Ａ）」は、「小さい」ゼロ部分の数に応じてより小さい数に置き換えられる。

Ｎの可能な計算は、例えば１０８または１５４におけるようなエンコーダにおいて実行され得る。

最終的に、まさに音の定常信号の高調波がゼロに量子化されたときに、これらの高調波を表す線が比較的高いまたは不安定な（すなわち時間変動する）ノイズレベルをもたらすことが見つけられている。このアーチファクトは、ノイズレベル計算においてそれらのＲＭＳの代わりにゼロ量子化された線の平均振幅を用いることによって低減することができる。この代わりのアプローチは、デコーダにおいてノイズフィリングされた線のエネルギーがノイズフィリング領域においてオリジナルの線のエネルギーを再生することを必ずしも保証しない一方、それは、ノイズフィリング領域におけるスペクトルピークが全体のノイズレベルへの貢献を制限していることを確実にし、それによって、ノイズレベルの過大評価のリスクを低減する。

最終的に、エンコーダは、例えば、合成による分析目的のために、それ自体をデコーダに整列するように保つために、ノイズフィリングを完全に実行するように構成されてもよいことに留意されたい。

このように、上述の実施形態は、とりわけ、量子化プロセスにおいて導入されるゼロをスペクトル整形されたノイズに置き換えるための信号適応方法を記載する。エンコーダおよびデコーダのためのノイズフィリング拡張は、以下のように実施することによって上述した要件を満たすことが記載される。
・ノイズフィリング開始インデックスは、スペクトル量子化の結果に適応され得るが、特定の範囲に制限される。
・スペクトル傾斜は、知覚的なノイズ整形からスペクトル傾斜を弱めるために、挿入されたノイズにおいて導入され得る。
・ノイズフィリング開始インデックスの上の全てのゼロ量子化された線は、ノイズに置き換えられる。
・トランジション関数によって、挿入されたノイズは、ゼロに量子化されないスペクトル線の近くで減衰される。
・トランジション関数は、入力信号の瞬時特性に依存している。
・ノイズフィリング開始インデックス、スペクトル傾斜およびトランジション関数の適応は、デコーダにおいて利用できる情報に基づくことができる。
ノイズフィリングレベルを除いて、付加サイド情報の必要がない。

いくつかの態様が装置との関連で記載されているにもかかわらず、これらの態様は、対応する方法の説明も表すことが明らかであり、ブロックまたは装置は、方法ステップまたは方法ステップの特徴に対応する。同様に、方法ステップとの関連で記載されている態様は、対応するブロック若しくはアイテムまたは対応する装置の特徴の説明も表す。方法ステップのいくつかまたはすべては、例えば、マイクロプロセッサ、プログラム可能なコンピュータまたは電子回路のようなハードウェア装置によって（またはそれを用いて）実行されてもよい。いくつかの実施形態において、最も重要な方法ステップのいずれかの１つ以上は、そのような装置によって実行されてもよい。

特定の実施要件に応じて、本発明の実施形態は、ハードウェアにおいてまたはソフトウェアにおいて実施することができる。実施は、それぞれの方法が実行されるように、プログラム可能なコンピュータシステムと協働する（または協働することができる）電子的に可読の制御信号が格納される、デジタル記憶媒体、例えばフロッピー（登録商標）ディスク、ＤＶＤ、ブルーレイ（登録商標）、ＣＤ、ＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭまたはＦＬＡＳＨメモリを用いて実行することができる。したがって、デジタル記憶媒体は、コンピュータ可読であってもよい。

本発明によるいくつかの実施形態は、ここに記載される方法のうちの１つが実行されるように、プログラム可能なコンピュータシステムと協働することができる電子的に可読の制御信号を有するデータキャリアを含む。

一般に、本発明の実施形態は、プログラムコードを有するコンピュータプログラム製品として実施することができ、そのプログラムコードは、コンピュータプログラム製品がコンピュータ上で実行されるときに、それらの方法のうちの１つを実行するために働く。プログラムコードは、例えば、機械可読のキャリアに格納されてもよい。

他の実施形態は、機械可読のキャリアに格納される、ここに記載される方法のうちの１つを実行するためのコンピュータプログラムを含む。

したがって、換言すれば、本発明の方法の実施形態は、コンピュータプログラムがコンピュータ上で実行されるときに、ここに記載される方法のうちの１つ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である。

したがって、本発明の方法のさらなる実施形態は、それに記録される、ここに記載される方法のうちの１つを実行するためのコンピュータプログラムを含むデータキャリア（またはデジタル記憶媒体またはコンピュータ可読の媒体）である。データキャリア、デジタル記憶媒体または記録媒体は、典型的に有形でありおよび／または一時的でない。

したがって、本発明の方法のさらなる実施形態は、ここに記載される方法のうちの１つを実行するためのコンピュータプログラムを表すデータストリームまたは一連の信号である。データストリームまたは一連の信号は、例えば、データ通信接続を介して、例えばインターネットを介して、転送されるように構成されてもよい。

さらなる実施形態は、ここに記載される方法のうちの１つを実行するように構成されまたは適している処理手段、例えばコンピュータまたはプログラム可能な論理デバイスを含む。

さらなる実施形態は、ここに記載される方法のうちの１つを実行するためのコンピュータプログラムがインストールされているコンピュータを含む。

本発明によるさらなる実施形態は、ここに記載される方法のうちの１つを実行するためのコンピュータプログラムをレシーバに（例えば、電子的にまたは光学的に）転送するように構成される装置またはシステムを含む。レシーバは、例えば、コンピュータ、モバイルデバイス、メモリデバイスなどであってもよい。装置またはシステムは、例えば、コンピュータプログラムをレシーバに転送するためのファイルサーバを含んでもよい。

いくつかの実施形態において、プログラム可能な論理デバイス（例えばフィールドプログラム可能なゲートアレイ）は、ここに記載される方法の機能のいくらかまたはすべてを実行するために用いられてもよい。いくつかの実施形態において、フィールドプログラム可能なゲートアレイは、ここに記載される方法のうちの１つを実行するために、マイクロプロセッサと協働してもよい。一般に、その方法は、好ましくは、いかなるハードウェア装置によっても実行される。

ここに記載される装置は、ハードウェア装置を用いて、コンピュータを用いて、または、ハードウェア装置およびコンピュータの組合せを用いて、実施されてもよい。

ここに記載される方法は、ハードウェア装置を用いて、コンピュータを用いて、または、ハードウェア装置およびコンピュータの組合せを用いて、実行されてもよい。

上述の実施形態は、本発明の原理のために単に例示するだけである。ここに記載される構成および詳細の修正および変更が他の当業者にとって明らかであるものと理解される。したがって、本発明は、特許請求の範囲によってだけ制限され、ここに実施形態の記述および説明として示される具体的な詳細によって制限されないと意図される。

文献
［１］ B. G. G. F. S. G. M. M. H. P. J. H. S. W. G. S. J. H. Nikolaus Rettelbach, "Noise Filler, Noise Filling Parameter Calculator Encoded Audio Signal Representation, Methods and Computer Program". Patent US 2011/0173012 A1.
［２］ Extended Adaptive Multi-Rate-Wideband (AMR-WB+) codec, 3GPP TS 26.290 V6.3.0, 2005-2006.
［３］ B. G. G. F. S. G. M. M. H. P. J. H. S. W. G. S. J. H. Nikolaus Rettelbach, "Audio encoder, audio decoder, methods for encoding and decoding an audio signal, audio stream and computer program". Patent WO 2010/003556 A1.
［４］ M. M. N. R. G. F. J. R. J. L. S. W. S. B. S. D. C. H. R. L. P. G. B. B. J. L. K. K. H. Max Neuendorf, "MPEG Unified Speech and Audio Coding - The ISO/MPEG Standard for High-Efficiency Audio Coding of all Content Types," in 132nd Convertion AES, Budapest, 2012. Also appears in the Journal of the AES, vol. 61, 2013.
［５］ M. M. M. N. a. R. G. Guillaume Fuchs, "MDCT-Based Coder for Highly Adaptive Speech and Audio Coding," in 17th European Signal Processing Conference (EUSIPCO 2009), Glasgow, 2009.
［６］ H. Y. K. Y. M. T. Harada Noboru, "Coding Mmethod, Decoding Method, Coding Device, Decoding Device, Program, and Recording Medium". Patent WO 2012/046685 A1.

Claims (32)

1. オーディオ信号の調性に依存する方法でオーディオ信号のスペクトル（３４）にノイズフィリングを実行するように構成される、装置。
2. 前記装置は、前記ノイズフィリングを実行する際に、前記オーディオ信号の前記調性に依存してスペクトル整形されるノイズで前記スペクトル（３４）の連続したスペクトルゼロ部分（４０）をフィリングするように構成される、請求項１に記載の装置。
3. 前記スペクトル（３４）は、前記スペクトル（３４）が符号化される（１６４）データストリームにおいて線形予測係数（１６２）を介してシグナリングされる線形予測スペクトルエンベロープ、または、前記スペクトル（３４）が符号化される前記データストリームにおいてシグナリングされるスケールファクタバンド（１１０）に関するスケールファクタ（１１２）を介して制御されるスペクトル的に変化する信号適応量子化ステップサイズを用いて量子化されている、請求項１または請求項２に記載の装置。
4. 前記装置は、前記スペクトル（３４）が符号化される（１６４）データストリームにおいて線形予測係数（１６２）を介してシグナリングされる線形予測スペクトルエンベロープ、または、前記スペクトル（３４）が符号化される前記データストリームにおいてシグナリングされるスケールファクタバンド（１１０）に関するスケールファクタ（１１２）を介して制御されるスペクトル的に変化する信号適応量子化ステップサイズを用いて、前記ノイズフィリングの後に導き出されるように、前記スペクトル（３４）を逆量子化する（１３２；１７４）ように構成される、請求項１または請求項２に記載の装置。
5. 前記装置は、連続したスペクトルゼロ部分（４０）の内側（５２）で最大値を取りさらにその絶対傾きが前記調性に否定的に依存する外側に立ち下がるエッジ（５８、６０）を有する関数（４８、５０）を用いてスペクトル整形されるノイズで前記オーディオ信号のスペクトル（３４）の連続したスペクトルゼロ部分（４０）をフィリングするように構成される、請求項１ないし請求項４のいずれかに記載の装置。
6. 前記装置は、連続したスペクトルゼロ部分（４０）の内側（５２）で最大値を取りさらにそのスペクトル幅（５４、５６）が前記調性に肯定的に依存する外側に立ち下がるエッジ（５８、６０）を有する関数（４８、５０）を用いてスペクトル整形されるノイズで前記オーディオ信号のスペクトル（３４）の連続したスペクトルゼロ部分（４０）をフィリングするように構成される、請求項１ないし請求項５のいずれかに記載の装置。
7. 前記装置は、連続したスペクトルゼロ部分（４０）の外側のクォーター（ａ、ｄ）にわたる、１の積分に正規化される、その積分が前記調性に否定的に依存する一定のまたは単一モードの関数（４８、５０）を用いてスペクトル整形されるノイズで前記オーディオ信号のスペクトル（３４）の連続したスペクトルゼロ部分（４０）をフィリングするように構成される、請求項１ないし請求項６のいずれかに記載の装置。
8. 前記装置は、前記オーディオ信号のスペクトルの連続したスペクトルゼロ部分を識別し（７０）、さらに、識別される前記連続したスペクトルゼロ部分に前記ノイズフィリングを適用するように構成される、先行する請求項のいずれかに記載の装置。
9. 前記装置は、それぞれの連続したスペクトルゼロ部分の幅および前記オーディオ信号の前記調性に依存して設定される（８０）関数でスペクトル整形されるノイズで前記オーディオ信号のスペクトルの連続したスペクトルゼロ部分をそれぞれフィリングするように構成される、請求項１ないし請求項８のいずれかに記載の装置。
10. 前記装置は、関数がそれぞれの連続したスペクトルゼロ部分に限られるようにそれぞれの連続したスペクトルゼロ部分の幅に依存して、さらに、前記オーディオ信号の前記調性が増加する場合に、関数の質量が前記それぞれの連続したスペクトルゼロ部分の内側でよりコンパクトになりさらに前記それぞれの連続したスペクトルゼロ部分の外側のエッジから離間されるように前記オーディオ信号の前記調性に依存して、設定される（８０）関数でスペクトル整形されるノイズで、前記オーディオ信号のスペクトルの連続したスペクトルゼロ部分をそれぞれフィリングするように構成される、請求項１ないし請求項９のいずれかに記載の装置。
11. 前記装置は、前記スペクトルがスペクトル的にグローバルな方法で符号化されるデータストリームにおいてシグナリングされるスカラーグローバルなノイズレベルを用いて、前記連続したスペクトルゼロ部分がフィリングされる前記ノイズをスケーリングするように構成される、請求項９または請求項１０に記載の装置。
12. 前記装置は、ランダムな若しくは疑似ランダムなプロセスを用いてまたはパッチングを用いて、前記連続したスペクトルゼロ部分がフィリングされる前記ノイズを生成するように構成される、請求項９ないし請求項１１のいずれかに記載の装置。
13. 前記装置は、前記オーディオ信号が符号化される符号化パラメータから前記調性を導き出すように構成される、先行する請求項のいずれかに記載の装置。
14. 前記装置は、前記符号化パラメータがＬＴＰ（長期予測）またはＴＮＳ（時間ノイズ整形）イネーブルメントフラグまたはゲインおよび／またはスペクトル再配置イネーブルメントフラグであるように構成される、請求項１３に記載の装置。
15. 前記装置は、前記オーディオ信号のスペクトルの高周波スペクトル部分に前記ノイズフィリングの実行を限るように構成される、先行する請求項のいずれかに記載の装置。
16. 前記装置は、前記オーディオ信号の前記スペクトルが符号化されるデータストリームにおいて明確なシグナリングに対応して前記高周波スペクトル部分の低周波開始位置を設定するように構成される、請求項１５に記載の装置。
17. 前記装置は、前記ノイズフィリングを実行する際に、前記オーディオ信号のスペクトルを符号化するために用いられるプリエンファシスによって生じるスペクトル傾斜を弱めるためにスペクトルローパスフィルタの伝達関数に近い、そのレベルが低周波から高周波への低減を示すノイズで前記スペクトル（３４）の連続したスペクトルゼロ部分（４０）をフィリングするように構成される、先行する請求項のいずれかに記載の装置。
18. 前記装置は、前記プリエンファシスのプリエンファシスファクタに前記低減の峻度を適応するように構成される、請求項１７に記載の装置。
19. 前記装置は、前記オーディオ信号のスペクトルの連続したスペクトルゼロ部分を識別し、さらに、関数がそれぞれの連続したスペクトルゼロ部分に限られるようにそれぞれの連続したスペクトルゼロ部分の幅に依存して、さらに、前記オーディオ信号の前記調性が増加する場合に、関数の質量が前記それぞれの連続したスペクトルゼロ部分の内側で徐々によりコンパクトになりさらに前記それぞれの連続したスペクトルゼロ部分のエッジから離間されるように前記オーディオ信号の前記調性に依存して、さらに、加えて、前記関数のスケーリングが前記それぞれの連続したスペクトルゼロ部分のスペクトル位置に依存するように前記それぞれの連続したスペクトルゼロ部分のスペクトル位置に依存して、設定される関数で、前記連続したスペクトルゼロ部分をフィリングするように構成される、先行する請求項のいずれかに記載の装置。
20. 先行する請求項のいずれかに記載の装置を含むノイズフィリングをサポートする、オーディオデコーダ。
21. 請求項１ないし請求項１９のいずれかに記載のオーディオ信号のスペクトル（３４）にノイズフィリングを実行するように構成される装置、および
    スペクトル知覚的な重み関数を用いてスペクトル整形に前記ノイズフィリングされたスペクトルをかけるように構成される周波数領域ノイズシェーパ
    を含む、知覚的な変換オーディオデコーダ。
22. 先行する請求項のいずれかに記載の装置を含むノイズフィリングをサポートするオーディオエンコーダであって、前記エンコーダは、前記装置から得られるノイズフィリング結果に依存して前記オーディオ信号を符号化するために用いられる符号化パラメータを後方適応的に適応するように構成される、オーディオエンコーダ。
23. ノイズフィリングをサポートするオーディオエンコーダであって、
    データストリームにオーディオ信号のスペクトルを量子化しさらに符号化し、さらに
    前記オーディオ信号の調性に依存する方法で、前記オーディオ信号の前記スペクトルにノイズフィリングを実行するためのスペクトル的にグローバルなノイズフィリングレベルを、前記データストリームに設定しさらに符号化する
    ように構成される、オーディオエンコーダ。
24. 前記エンコーダは、前記スペクトル的にグローバルなノイズフィリングレベルを設定しさらに符号化する際に、前記オーディオ信号の前記調性に依存してスペクトル整形される、前記スペクトル（３４）の連続したスペクトルゼロ部分（４０）内で前記オーディオ信号のレベルを測定するように構成される、請求項２３に記載のオーディオエンコーダ。
25. 前記測定値は、ＲＭＳである、請求項２４に記載のオーディオエンコーダ。
26. 前記装置は、前記オーディオ信号のスペクトルの前記連続したスペクトルゼロ部分をスペクトル整形するために、それぞれの連続したスペクトルゼロ部分の幅および前記オーディオ信号の前記調性に依存して設定される（８０）関数を用いるように構成される、請求項２４または請求項２５に記載のオーディオエンコーダ。
27. 前記エンコーダは、線形予測スペクトルエンベロープに従ってスペクトル的に変化する信号適応量子化ステップサイズを用いて前記スペクトル（３４）を量子化し、データストリームにおいて線形予測係数（１６２）を介して前記線形予測スペクトルエンベロープをシグナリングし、さらに、前記データストリームに前記スペクトル（３４）を符号化するように構成される、請求項２３ないし請求項２６のいずれかに記載のオーディオエンコーダ。
28. 前記エンコーダは、スケールファクタバンド（１１０）に関するスケールファクタ（１１２）に従ってスペクトル的に変化する信号適応量子化ステップサイズを用いて前記スペクトル（３４）を量子化し、データストリームにおいて前記スケールファクタをシグナリングし、さらに、前記データストリームに前記スペクトル（３４）を符号化するように構成される、請求項２３ないし請求項２７のいずれかに記載のオーディオエンコーダ。
29. 前記装置は、前記オーディオ信号のスペクトルを符号化するために用いられる符号化パラメータから前記調性を導き出すように構成される、請求項２３ないし請求項２８のいずれかに記載のオーディオエンコーダ。
30. オーディオ信号の調性に依存する方法でオーディオ信号のスペクトル（３４）にノイズフィリングを実行するステップを含む、方法。
31. ノイズフィリングをサポートするオーディオ符号化のための方法であって、前記方法は、データストリームにオーディオ信号のスペクトルを量子化しさらに符号化するステップ、および、前記オーディオ信号の調性に依存する方法で、前記オーディオ信号の前記スペクトルにノイズフィリングを実行するためのスペクトル的にグローバルなノイズフィリングレベルを、前記データストリームに設定しさらに符号化するステップを含む、方法。
32. コンピュータ上で実行されるときに、請求項３０または請求項３１に記載の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