JP2016531327A - 先進的結合のための非一様パラメータ量子化 - Google Patents

Abstract

本開示は、オーディオ信号のパラメトリックな空間的符号化に関係するパラメータの非一様量子化のための方法、装置およびコンピュータ・プログラム・プロダクトを提供する。本開示はさらに、非一様に量子化されたパラメータを考慮に入れるオーディオ・デコード・システムにおいてオーディオ・オブジェクトを再構築する方法および装置に関する。本開示によれば、そのようなアプローチにより、再構築されるオーディオ・オブジェクトの品質を実質的に低下させることなくビット消費を低減することが可能になる。

Description

関連出願への相互参照
本願は2013年9月12日に出願された米国仮特許出願第61/877,166号の優先権を主張するものである。同出願の内容はここに参照によってその全体において組み込まれる。

技術分野
本稿の開示は、概括的にはオーディオ符号化に関し、詳細には、オーディオ信号のパラメトリックな空間的符号化のためのシステムにおいて使われるパラメータの知覚的に最適化された量子化に関する。

低ビット・オーディオ符号化システムの性能は、パラメトリック・ステレオ（PS）符号化ツールが用いられるときにステレオ信号について著しく改善できる。そのようなシステムでは、モノ信号は典型的には、現状技術のオーディオ符号化器を使って量子化され、伝達され、ステレオ・パラメータはエンコーダにおいて推定され、量子化され、サイド情報としてビットストリームに加えられる。デコーダでは、ステレオ信号は、ステレオ・パラメータの助けを得て、デコードされたモノ信号から再構成される。

いくつかの可能なパラメトリック・ステレオ符号化の変形がある。よって、いくつかのエンコーダ型があり、それらは、モノ・ダウンミックスに加えて、生成されるビットストリームに埋め込まれる種々のステレオ・パラメータを生成する。そのような符号化のためのツールも標準化されている。そのような標準の例はMPEG4オーディオである（ISO/IEC14496-3）。

オーディオ符号化システム一般、特にパラメトリック・ステレオ符号化の背後にある主要な発想ならびにこの技術分野のいくつかの課題の一つは、良好なオーディオ品質を得つつ、エンコーダからデコーダにビットストリームにおいて転送される必要のある情報の量を最小にするということである。ビットストリーム情報の高レベルの圧縮は、複雑で非効率的な計算プロセスのためまたは圧縮プロセスにおいて情報が失われたため、受け入れられない音質につながることがありうる。他方、ビットストリーム情報の低レベルの圧縮は、やはり受け入れられない音質につながりうる容量の問題につながりうる。

よって、改善されたパラメトリック・ステレオ符号化方法の必要がある。

下記では、例示的実施形態がより詳細に、付属の図面を参照して記述される。
ある例示的実施形態に基づくパラメトリック・ステレオ・エンコードおよびデコード・システムのブロック図である。 図１のパラメトリック・ステレオ・エンコード・システムのエンコード部分におけるステレオ・パラメータの処理に関係するブロック図である。 図１のパラメトリック・ステレオ・エンコード・システムのデコード部分におけるステレオ・パラメータの処理に関係するブロック図である。 一つのステレオ・パラメータの関数としてスケーリング因子sの値を示す図である。 aおよびbがステレオ・パラメータであるとして、(a,b)平面において非一様および一様量子化器（細かいおよび粗い）を示す図である。 一様な細かいおよび一様な粗い量子化の例についての平均的なパラメトリック・ステレオ・ビット消費を、ある例示的実施形態に基づく非一様な細かいおよび非一様な粗い量子化と比較して示す図である。 もう一つの例示的実施形態に基づくパラメトリック・マルチチャネル・エンコードおよびデコード・システムのブロック図である。 すべての図面は概略的であり、一般に、本開示を明快にするために必要な部分を示すのみである。一方、他の部分は省略されたり示唆されるだけであったりすることがある。特に断わりのない限り、同様の参照符号は異なる図面における同様の部分を指す。

上記に鑑み、エンコーダ、デコーダ、エンコーダおよびデコーダを有するシステムならびに関連する方法であって向上した効率および符号化されたオーディオ信号の品質を提供するものを提供することが目的である。

〈Ｉ．概観――エンコーダ〉
第一の側面によれば、例示的実施形態は、エンコード方法、エンコーダおよびエンコードのためのコンピュータ・プロダクトを提案する。提案される方法、エンコーダおよびコンピュータ・プログラム・プロダクトは一般に同じ特徴および利点をもちうる。

例示的実施形態によれば、オーディオ信号のパラメトリックな空間的符号化に関係するパラメータの量子化のためのオーディオ・エンコーダにおける方法であって：少なくとも、量子化されるべき第一のパラメータおよび第二のパラメータを受領する段階と；非一様なきざみサイズをもつ第一のスカラー量子化方式に基づいて前記第一のパラメータを量子化して量子化された第一のパラメータを得る段階であって、人間の音知覚が最も敏感な前記第一のパラメータの範囲についてはより小さなきざみサイズが使われ、人間の音知覚がそれほど敏感でない前記第一のパラメータの範囲についてはより大きなきざみサイズが使われるように前記非一様なきざみサイズが選択される、段階と；前記第一のスカラー量子化方式を使って前記量子化された第一のパラメータを量子化解除して、前記第一のパラメータの近似である量子化解除された第一のパラメータを得る段階と；量子化解除された第一のパラメータの値を、量子化解除された第一のパラメータの値に対応するきざみサイズとともに増大するスケーリング因子に対してマッピングするスケーリング関数にアクセスして、前記量子化解除された第一のパラメータに前記スケーリング関数の作用を受けさせることによってスケーリング因子を決定する段階と；前記スケーリング因子および非一様なきざみサイズをもつ第二のスカラー量子化方式に基づいて前記第二のパラメータを量子化して、量子化された第二のパラメータを得る段階とを含む、方法が提供される。

本方法は、人間の音知覚が均一ではないという理解に基づく。むしろ、人間の音知覚はいくつかの音特性に関してはより高く、他の音特性にについてはより低い。このことは、人間の音知覚がオーディオ信号のパラメトリックな空間的符号化に関係するパラメータのいくつかの値については、他のそのような値についてより敏感であることを含意する。提供される方法によれば、第一のそのようなパラメータは非一様なきざみサイズで量子化され、人間の音知覚が最も敏感なところではより小さなきざみサイズが使われ、人間の音知覚がそれほど敏感でないところではより大きなきざみサイズが使われる。そのような非一様なきざみサイズ方式を使って量子化することにより、知覚可能な音質を低下させることなく平均的なパラメトリック・ステレオのビット消費を低減することが可能である。

諸実施形態によれば、本方法のスケーリング関数は区分線形関数である。

諸実施形態によれば、前記スケーリング因子および前記第二のスカラー量子化方式に基づいて前記第二のパラメータを量子化する方法段階は、前記第二のパラメータを前記第二のスカラー量子化方式に基づく量子化にかける前に、前記第二のパラメータを前記スケーリング因子で割ることを含む。

本方法の代替的な実施形態によれば、前記第二のスカラー量子化方式の前記非一様なきざみサイズは、前記第二のパラメータの量子化の前に、前記スケーリング因子によってスケーリングされる。

本方法の諸実施形態によれば、前記第二のスカラー量子化方式の前記非一様なきざみサイズは、前記第二のパラメータの値とともに増大する。

本方法の諸実施形態によれば、前記第一のスカラー量子化方式は、前記第二のスカラー量子化方式より多くの量子化きざみを含む。

本方法の諸実施形態によれば、前記第一のスカラー量子化方式は、前記第二のスカラー量子化方式をオフセットし、ミラーリングし、連結することによって構築される。

本方法の諸実施形態によれば、前記第一および／または第二のスカラー量子化方式の最大のきざみサイズは、前記第一および／または第二のスカラー量子化方式の最小のきざみサイズの約4倍の大きさである。

例示的実施形態によれば、処理機能を有する装置で実行されたときに前記第一の側面のいずれかの方法を実行するよう適応されたコンピュータ・コード命令を有するコンピュータ可読媒体が提供される。

例示的実施形態によれば、オーディオ信号のパラメトリックな空間的符号化に関係するパラメータの量子化のためのオーディオ・エンコーダであって：少なくとも、量子化されるべき第一のパラメータおよび第二のパラメータを受領するよう構成された受領コンポーネントと；非一様なきざみサイズをもつ第一のスカラー量子化方式に基づいて前記第一のパラメータを量子化して量子化された第一のパラメータを得るよう構成された、前記受領コンポーネントの下流に配置された第一の量子化コンポーネントであって、人間の音知覚が最も敏感な前記第一のパラメータの範囲についてはより小さなきざみサイズが使われ、人間の音知覚がそれほど敏感でない前記第一のパラメータの範囲についてはより大きなきざみサイズが使われるように前記非一様なきざみサイズが選択される、第一の量子化コンポーネントと；前記第一の量子化コンポーネントから前記第一の量子化されたパラメータを受領し、前記第一のスカラー量子化方式を使って前記量子化された第一のパラメータを量子化解除して、前記第一のパラメータの近似である量子化解除された第一のパラメータを得るよう構成された量子化解除コンポーネントと；前記量子化解除された第一のパラメータを受領し、量子化解除された第一のパラメータの値を、量子化解除された第一のパラメータの値に対応するきざみサイズとともに増大するスケーリング因子に対してマッピングするスケーリング関数にアクセスして、前記量子化解除された第一のパラメータに前記スケーリング関数の作用を受けさせることによってスケーリング因子を決定するよう構成されたスケーリング因子決定コンポーネントと；前記第二のパラメータおよび前記スケーリング因子を受領して、前記スケーリング因子および非一様なきざみサイズをもつ第二のスカラー量子化方式に基づいて前記第二のパラメータを量子化して、量子化された第二のパラメータを得るよう構成された第二の量子化コンポーネントとを有する、オーディオ・エンコーダが提供される。

〈ＩＩ．概観――デコーダ〉
第二の側面によれば、例示的実施形態は、デコード方法、デコーダおよびデコードのためのコンピュータ・プログラム・プロダクトを提案する。提案される方法、デコーダおよびコンピュータ・プログラム・プロダクトは一般に同じ特徴および利点をもちうる。

上記のエンコーダの概観において呈示された特徴およびセットアップに関する利点は、一般に、デコーダについての対応する特徴およびセットアップについても有効でありうる。

例示的実施形態によれば、オーディオ信号のパラメトリックな空間的符号化に関係する量子化されたパラメータの量子化解除のためのオーディオ・デコーダにおける方法であって：少なくとも、第一の量子化されたパラメータおよび第二の量子化されたパラメータを受領する段階と；非一様なきざみサイズをもつ第一のスカラー量子化方式に従って前記量子化された第一のパラメータを量子化解除して量子化解除された第一のパラメータを得る段階であって、人間の音知覚が最も敏感な前記第一のパラメータの範囲についてはより小さなきざみサイズが使われ、人間の音知覚がそれほど敏感でない前記第一のパラメータの範囲についてはより大きなきざみサイズが使われるように前記非一様なきざみサイズが選択される、段階と；量子化解除された第一のパラメータの値を、量子化解除された第一のパラメータの値に対応するきざみサイズとともに増大するスケーリング因子に対してマッピングするスケーリング関数にアクセスして、前記量子化解除された第一のパラメータに前記スケーリング関数の作用を受けさせることによってスケーリング因子を決定する段階と；前記スケーリング関数および非一様なきざみサイズをもつ第二のスカラー量子化方式に基づいて前記第二の量子化されたパラメータを量子化解除して、量子化解除された第二のパラメータを得る段階とを含む、方法が提供される。

本方法の諸実施形態によれば、前記スケーリング関数は区分線形関数である。

ある実施形態によれば、前記スケーリング因子および前記第二のスカラー量子化方式に基づいて前記第二のパラメータを量子化解除する段階は、前記第二のスカラー量子化方式に従って前記第二の量子化されたパラメータを量子化解除し、その結果に前記スケーリング因子を乗算することを含む。

代替的な実施形態によれば、前記第二のスカラー量子化方式の前記非一様なきざみサイズは、前記第二の量子化されたパラメータの量子化解除の前に、前記スケーリング因子によってスケーリングされる。

さらなる諸実施形態によれば、前記第二のスカラー量子化方式の前記非一様なきざみサイズは、前記第二のパラメータの値とともに増大する。

ある実施形態によれば、前記第一のスカラー量子化方式は、前記第二のスカラー量子化方式より多くの量子化きざみを含む。

ある実施形態によれば、前記第一のスカラー量子化方式は、前記第二のスカラー量子化方式をオフセットし、ミラーリングし、連結することによって構築される。

ある実施形態によれば、前記第一および／または第二のスカラー量子化方式の最大のきざみサイズは、前記第一および／または第二のスカラー量子化方式の最小のきざみサイズの約4倍の大きさである。

例示的実施形態によれば、処理機能を有する装置によって実行されたときに前記第二の側面のいずれかの方法を実行するよう適応されたコンピュータ・コード命令を有するコンピュータ可読媒体が提供される。

例示的実施形態によれば、オーディオ信号のパラメトリックな空間的符号化に関係する量子化されたパラメータの量子化解除のためのオーディオ・デコーダであって：少なくとも、第一の量子化されたパラメータおよび第二の量子化されたパラメータを受領するよう構成された受領コンポーネントと；前記受領コンポーネントの下流に配置され、非一様なきざみサイズをもつ第一のスカラー量子化方式に従って前記量子化された第一のパラメータを量子化解除して量子化解除された第一のパラメータを得るよう構成された第一の量子化解除コンポーネントであって、人間の音知覚が最も敏感な前記第一のパラメータの範囲についてはより小さなきざみサイズが使われ、人間の音知覚がそれほど敏感でない前記第一のパラメータの範囲についてはより大きなきざみサイズが使われるように前記非一様なきざみサイズが選択される、第一の量子化解除コンポーネントと；前記第一の量子化解除コンポーネントから前記量子化解除された第一のパラメータを受領し、量子化解除された第一のパラメータの値を、量子化解除された第一のパラメータの値に対応するきざみサイズとともに増大するスケーリング因子に対してマッピングするスケーリング関数にアクセスして、前記量子化解除された第一のパラメータに前記スケーリング関数の作用を受けさせることによってスケーリング因子を決定するよう構成されたスケーリング因子決定コンポーネントと；前記スケーリング因子および前記第二の量子化されたパラメータを受領し、前記スケーリング因子および非一様なきざみサイズをもつ第二のスカラー量子化方式に基づいて前記第二の量子化されたパラメータを量子化解除して、量子化解除された第二のパラメータを得るよう構成された第二の量子化解除コンポーネントとを有する、オーディオ・デコーダが提供される。

〈ＩＩＩ．概観――オーディオ・エンコード／デコード・システム〉
第三の側面によれば、例示的実施形態は、第一の側面に基づくエンコーダおよび第二の側面に基づくデコーダを有するデコード／エンコード・システムを提案する。

上記のエンコーダおよびデコーダの概観において呈示された特徴およびセットアップに関する利点は、一般に、本システムについての対応する特徴およびセットアップについても有効でありうる。

例示的実施形態によれば、オーディオ・エンコーダが前記第一および第二の量子化されたパラメータをオーディオ・デコーダに伝送するよう構成されているそのようなシステムが提供される。

〈ＩＶ．例示的実施形態〉
本稿の開示は、オーディオ信号のパラメトリックな空間的符号化のためのシステムにおいて使用されるパラメータの知覚的に最適化された量子化を論じる。下記で考察される例では、2チャネル信号についてのパラメトリック・ステレオ符号化の特殊な場合が論じられる。同じ技法は、パラメトリックなマルチチャネル符号化において、たとえば5-3-5モードで動作するシステムにおいて使用されることもできる。そのようなシステムの例示的実施形態は、図７に概要が示されており、下記で簡単に論じる。ここに呈示される例示的実施形態は、知覚されるオーディオ品質に影響することなくこれらのパラメータを伝達するために必要とされるビットレートの低減を許容するとともに、スカラー・パラメータについての確立されたエントロピー符号化技法（時間または周波数差分符号化に続けてハフマン符号化など）を続けて使うことを許容する単純な非一様量子化に関する。

図１は、本稿で論じられるパラメトリック・ステレオ・エンコードおよびデコード・システム１００の実施形態のブロック図を示している。左チャネル１０１（L）および右チャネル１０２（R）を含むステレオ信号がシステム１００のエンコーダ部分１１０によって受領される。ステレオ信号は「先進的結合（ACPL: Advanced Coupling）」エンコーダ１１２への入力として送られる。該エンコーダ１１２は、モノ・ダウンミックス１０３（M）およびステレオ・
パラメータa（図１では１０４ａとして参照される）およびb（図１では１０４ｂとして参照される）を生成する。さらに、エンコーダ部分１１０は、モノ・ダウンミックス１０３をビットストリーム１０５に変換するダウンミックス・エンコーダ１１４（DMXEnc）と、量子化されたステレオ・パラメータのストリーム１０６を生成するステレオ・パラメータ量子化手段１１６（Q）と、デコーダ部分１２０に伝達される、量子化されたステレオ・パラメータをも含む最終的なビットストリーム１０８を生成するマルチプレクサ１１８（MUX）とを有する。デコーダ部分１２０は、はいってくる該最終的なビットストリーム１０８を受領して、ビットストリーム１０５および量子化されたステレオ・パラメータのストリーム１０６を再生成するデマルチプレクサ１２２（DE-MUX）と、ビットストリーム１０５を受領してデコードされたモノ・ダウンミックス１０３’（M'）を出力するダウンミックス・デコーダ１２４（DMXDec）と、量子化されたステレオ・パラメータ１０６のストリームを受領して、量子化解除されたステレオ・パラメータa' １０４ａ’およびb' １０４ｂ’を出力するステレオ・パラメータ量子化解除手段１２６（Q'）と、最後に、デコードされたモノ・ダウンミックス１０３’および量子化解除されたステレオ・パラメータ１０４ａ’、１０４ｂ’を受領してこれらのはいってくる信号を再構成されたステレオ信号１０１’（L'）および１０２’（R'）に変換するACPLデコーダ１２８とを有する。

はいってくるステレオ信号１０１（L）および１０２（R）から始めると、ACPLエンコーダ１１２は、次の式：
M＝(L＋R)/2 (式1)
S＝(L−R)/2 (式2)
に従ってモノ・ダウンミックス１０３（M）およびサイド信号（S）を計算する。

ステレオ・パラメータaおよびbは時間および周波数選択的な仕方で、すなわち各時間／周波数タイルについて、典型的にはQMFバンクのようなフィルタバンクの助けを用いて、知覚的な周波数スケールに従ってQMF帯域を、一組のパラメータ帯域を形成するよう非一様にグループ化することを使って、計算される。

ACPLデコーダでは、デコードされたモノ・ダウンミックスM'は、ステレオ・パラメータa'、b'およびM'の脱相関されたバージョン（decorr(M')）と一緒になって、次式：
S'＝a'*M'＋b'*decorr(M') (式3)
に従ってサイド信号の近似を再構成するための入力として使われる。

次いで、L'およびR'が
L'＝M'＋S' (式4)
R'＝M'−S' (式5)
として計算される。

パラメータ対(a,b)は二次元(a,b)面での点と考えられる。パラメータa,bは、知覚されるステレオ・イメージに関係している。パラメータaは主として知覚される音源の位置（たとえば左または右）に関係し、パラメータbは主として知覚される音源のサイズまたは幅（小さく、よく局在化されているまたは幅広く環境性）に関係する。表１は、知覚されるステレオ・イメージおよび対応するパラメータa,bの値の若干の典型的な例を挙げている。

bは決して負にならないことに注意。また、たとえbおよびaの絶対値がしばしば0から1の範囲内であるとしても、1より大きな絶対値をもつこともできることも注意しておくべきである。たとえば、LおよびRにおける強い位相外れ成分の場合、すなわちLとRの間の相関が負であるときがそうである。

今の問題は、ここで、パラメトリックなステレオ／空間的符号化システムにおいてサイド情報として伝送するためにパラメータa,bを量子化する技法を設計することである。従来技術の単純で素直な手法は、一様な量子化を使い、aおよびbを独立に量子化する、すなわち二つのスカラー量子化器を使うというものである。典型的な量子化きざみサイズは、細かい量子化についてはデルタ＝0.1、粗い量子化についてはデルタ＝0.2である。図５の左下および右下のパネルは、細かいおよび粗い量子化についてそのような量子化方式によって表わされることのできる(a,b)面内の点を示している。典型的には、量子化されたパラメータaおよびbは、ハフマン符号化と組み合わせた時間差分または周波数差分符号化を使って、独立にエントロピー符号化される。

しかしながら、本発明者らは、今や、パラメータ量子化の（レート‐歪みの意味での）性能は、知覚的な側面を考慮に入れることによって、そのようなスカラー量子化に対して改善されることができることを認識するに至った。特に、人間の聴覚系のパラメータ値の小さな変化（量子化によって導入される誤差など）に対する敏感さは(a,b)面内の位置に依存する。そのような小さな変化または「最小可知差異」（JND: just-noticable differences）の可聴性を調べる知覚的な実験は、aおよびbについてのJNDは、(a,b)面内の点(1,0)および(−1,0)によって表わされる知覚されるステレオ・イメージをもつ音源については実質的に小さいことを示している。よって、aおよびbの一様な量子化は(1,0)および(−1,0)に近い領域については粗すぎ（可聴なアーチファクトがある）、(0,0)および(0,1)付近のような他の領域では不必要に細かい（不必要に高いサイド情報ビットレートを引き起こす）ことがありうる。もちろん、ステレオ・パラメータaおよびbの合同した〔ジョイントの〕非一様な量子化を達成するために(a,b)についてのベクトル量子化器を考えることも可能であろう。しかしながら、ベクトル量子化器は計算上、より複雑であり、エントロピー符号化（時間または周波数差分）が適応される必要があり、やはりより複雑になる。

よって、パラメータaおよびbについての新規な非一様な量子化方式が本願において導入される。aおよびbについての非一様な量子化方式は、位置依存のJNDを活用する（ベクトル量子化器でもできるように）が、aおよびbの従来技術の一様で独立な量子化に対する小さな修正として実装されることができる。さらに、従来技術の時間または周波数差分エントロピー符号化が基本的に不変のままであることができる。インデックス範囲および記号〔シンボル〕確率における変化を反映するために、ハフマン・コードブックが更新される必要があるだけである。

結果として得られる量子化方式が図２および図３に示されている。図２はエンコーダ部分１１０のステレオ・パラメータ量子化手段１１６に関係し、図３はデコーダ部分１２０のステレオ・パラメータ量子化解除手段１２６に関係する。ステレオ・パラメータ量子化方式は、量子化手段Qa（図２では２０２として参照される）においてパラメータa（図２では１０４ａとして参照される）に非一様なスカラー量子化を適用することによって始まる。量子化されたパラメータ１０６ａはマルチプレクサ１１８に転送される。量子化されたパラメータは量子化解除手段Qa^-1（図２では２０４として参照される）において直接、パラメータa'に量子化解除されもする。量子化されたパラメータ１０６ａはデコーダ部分１２０においてもa'（図３では１０４ａ’として参照される）に量子化解除されるので、a'はシステム１００のエンコーダ部分１１０とデコーダ部分１２０の両方において同一である。そこで、a'は、aの実際の値に依存してbの量子化をするために使われるスケーリング因子s（スケーリング手段２０６によって実行される）を計算するために使われる。パラメータb（図２において１０４ｂとして参照される）はこのスケーリング因子sによって割られ（逆数手段２０８および乗算手段２１０によって実行される）、次いでもう一つの非一様なスカラー量子化器Qb（図２では２１２として参照されている）に送られ、そこから量子化されたパラメータ１０６ｂが転送される。このプロセスは、図３に示されるステレオ・パラメータ量子化解除手段１２６において部分的に反転される。はいってくる量子化されたパラメータ１０６ａおよび１０６ｂは量子化解除手段Qa^-1（図３では３０４として参照される）およびQb^-1（図３では３０８として参照される）においてa'（図３では１０４ａ’として参照される）およびエンコーダ部分１１０においてスケーリング因子sで以前に割ったb'に量子化解除される。スケーリング手段３０６は、エンコーダ部分１１０におけるスケーリング手段２０６と同じようにして量子化解除されたパラメータa'（１０４ａ）に基づいてスケーリング因子sを決定する。次いで、スケーリング因子は、乗算手段３１０において量子化解除されたパラメータ１０６ｂの量子化解除の結果と乗算され、量子化解除されたパラメータb'（図３では１０４ｂ’として参照される）が得られる。よって、aの量子化解除およびスケーリング因子の計算は、エンコーダ部分１１０およびデコーダ部分１２０の両方において実装され、sの正確に同じ値がbのエンコードおよびデコードのために使われることを保証する。

aおよびbについての非一様な量子化は、0から1までの範囲の値についての単純な非一様な量子化器に基づく。ここで、1付近の値についての量子化きざみサイズは0付近の値についての量子化きざみサイズの約4倍であり、量子化きざみサイズはパラメータの値とともに増大する。たとえば、量子化きざみサイズは、対応する量子化解除された値を同定するインデックスとともにほぼ線形に増大することができる。8個の区間（すなわち9個のインデックス）をもつ量子化器について、次の値が得られる。ここで、量子化きざみサイズは、二つの隣り合う量子化解除された値の間の差である。

この表は、量子化解除手段Qb^-1（図３では３０８として参照される）のために使用できる量子化方式の例である。しかしながら、パラメータaについては値のより大きな範囲を扱う必要がある。量子化解除手段Qa^-1（図３では３０４として参照される）のための量子化方式の例は、上記の表２に示される非一様量子化区間をミラーリングして連結して、−2から2の範囲の値を表わすことのできる量子化器を与えることによって、簡単に構築されることができる。ここで、−2、0、2付近の値についての量子化きざみサイズは−1および1付近の値についての量子化きざみサイズの約4倍である。結果として得られる値を下記の表３に示す。

図４は、aの関数としてスケーリング因子sの値を示している。これは、a＝−1およびa＝1についてs＝1（すなわちスケーリングなし）、a＝−2、a＝0およびa＝2についてs＝4（bの4倍粗い量子化）となる区分線形関数である。図４の関数は例であり、他のそのような関数が理論的には可能であることを指摘しておく。同じ考えは量子化方式に適用可能である。

aおよびbの、結果として得られる非一様な量子化が図５の左上のパネルに示されている。ここで、この量子化器によって表現できる(a,b)平面内の各点が×によってマークされている。最も敏感な点(1,0)および(−1,0)のあたりでは、aおよびb両方についての量子化きざみサイズは約0.06であり、(0,0)のあたりのaおよびbについては約0.2である。よって、量子化きざみは、aおよびbの一様なスカラー量子化の量子化きざみより、JNDにずっと適合されている。

より粗い量子化が望まれる場合には、非一様な量子化器の一つおきの量子化解除された値を脱落させ、それにより量子化きざみサイズを2倍にすることが可能である。表４は、パラメータbについての次の粗い非一様な量子化器およびパラメータaについての非一様な量子化器が、上記で示したのと同じようにして得られることを示している。

図４に示されるスケーリング関数は、粗い量子化について不変のままであり、(a,b)についての、結果として得られる粗い量子化器は図５の右上のパネルにおいて示される。そのような粗い量子化は、符号化システムが非常に低い目標ビットレートで動作させられる場合に望ましいことがある。その場合、ステレオ・パラメータのより粗い量子化によって節約されたビットをモノ・ダウンミックス信号M（図１では１０３として参照される）を符号化することに費やすことが有利でありうる。

ステレオ・パラメータaおよびbの非一様および一様な量子化の間の効率の差が図６に例証されている。差は細かいおよび粗い量子化について示されている。11時間の音楽に対応する毎秒平均ビット消費が示されている。この図から、非一様な量子化についてのビット消費は一様な量子化についてよりも実質的に低いことが結論できる。さらに、より粗い非一様な量子化は、毎秒ビット消費を、より粗い一様な量子化よりも大きく低減することが結論できる。

最後に、5-3-5パラメトリック・マルチチャネル・エンコードおよびデコード・システム７００の例示的実施形態のブロック図が図７に開示される。左前方チャネル７０１、左サラウンド・チャネル７０２、中央前方チャネル７０３、右前方チャネル７０４および右サラウンド・チャネル７０５を含むマルチチャネル信号がシステム７００のエンコーダ部分７１０によって受領される。左前方チャネル７０１および左サラウンド・チャネル７０２の信号は入力として第一の「先進的結合（ACPL）」エンコーダ７１２に送られる。該エンコーダ７１２は、左ダウンミックス７０６およびステレオ・パラメータa_L（７０８ａとして参照される）およびb_L（７０８ｂとして参照される）を生成する。同様に、右前方チャネル７０４および右サラウンド・チャネル７０５の信号は入力として第二の「先進的結合（ACPL）」エンコーダ７１３に送られる。該エンコーダ７１３は、右ダウンミックス７０７およびステレオ・パラメータa_R（７０９ａとして参照される）およびb_R（７０９ｂとして参照される）を生成する。さらに、エンコーダ部分７１０は、左ダウンミックス７０６、中央前方チャネル７０３および右ダウンミックス７０７をビットストリーム７２２に変換する3チャネル・ダウンミックス・エンコーダ７１４と、ステレオ・パラメータ７０８ａおよび７０８ｂに基づいて、量子化されたステレオ・パラメータの第一のストリーム７２０を生成する第一のステレオ・パラメータ量子化手段７１５と、ステレオ・パラメータ７０９ａおよび７０９ｂに基づいて、量子化されたステレオ・パラメータの第二のストリーム７２４を生成する第二のステレオ・パラメータ量子化手段７１６と、デコーダ部分７４０に伝達される、量子化されたステレオ・パラメータをも含む最終的なビットストリーム７３５を生成するマルチプレクサ７３０とを有する。デコーダ部分７４０は、はいってくる該最終的なビットストリーム７３５を受領して、ビットストリーム７２２、量子化されたステレオ・パラメータの第一のストリーム７２０および量子化されたステレオ・パラメータの第二のストリーム７２４を再生成するデマルチプレクサ７４２を有する。量子化されたステレオ・パラメータの第一のストリーム７２０は、第一のステレオ・パラメータ量子化解除手段７４５によって受領され、それが量子化解除されたステレオ・パラメータ７０８ａ’および７０８ｂ’を出力する。量子化されたステレオ・パラメータの第二のストリーム７２４は、第二のステレオ・パラメータ量子化解除手段７４６によって受領され、それが量子化解除されたステレオ・パラメータ７０９ａ’および７０９ｂ’を出力する。ビットストリーム７２２は、再生成された左ダウンミックス７０６’、再構築された中央前方チャネル７０３’および再生成された右ダウンミックス７０７’を出力する3チャネル・ダウンミックス・デコーダ７４４によって受領される。第一のACPLデコーダ７４７は量子化解除されたステレオ・パラメータ７０８ａ’および７０８ｂ’ならびに再生成された左ダウンミックス７０６’を受領し、再構築された左前方チャネル７０１’および再構築された左サラウンド・チャネル７０２’を出力する。同様に、第二のACPLデコーダ７４８は量子化解除されたステレオ・パラメータ７０９ａ’および７０９ｂ’ならびに再生成された右ダウンミックス７０７’を受領し、再構築された右前方チャネル７０４’および再構築された右サラウンド・チャネル７０５’を出力する。

〈等価物、拡張、代替その他〉
上記の記述を吟味すれば、当業者には本開示のさらなる実施形態が明白になるであろう。本稿および図面は実施形態および例を開示しているが、本開示はこれらの個別的な例に制約されるものではない。付属の請求項によって定義される本開示の範囲から外れることなく数多くの修正および変形をなすことができる。請求項に現われる参照符号があったとしても、その範囲を限定するものと理解されるものではない。

さらに、図面、本開示および付属の請求項の吟味から、本開示を実施する当業者によって、開示される実施形態に対する変形が理解され、実施されることができる。請求項において、「有する／含む」の語は他の要素またはステップを排除するものではなく、単数形の表現は複数を排除するものではない。ある種の施策が互いに異なる従属請求項に記載されているというだけの事実がこれらの施策の組み合わせが有利に使用できないことを示すものではない。

上記で開示されたシステムおよび方法は、ソフトウェア、ファームウェア、ハードウェアまたはそれらの組み合わせとして実装されうる。ハードウェア実装では、上記の記述で言及された機能ユニットの間でのタスクの分割は必ずしも物理的なユニットへの分割に対応しない。逆に、一つの物理的コンポーネントが複数の機能を有していてもよく、一つのタスクが協働するいくつかの物理的コンポーネントによって実行されてもよい。ある種のコンポーネントまたはすべてのコンポーネントは、デジタル信号プロセッサまたはマイクロプロセッサによって実行されるソフトウェアとして実装されてもよく、あるいはハードウェアとしてまたは特定用途向け集積回路として実装されてもよい。そのようなソフトウェアは、コンピュータ記憶媒体（または非一時的な媒体）および通信媒体（または一時的な媒体）を含みうるコンピュータ可読媒体上で頒布されてもよい。当業者にはよく知られているように、コンピュータ記憶媒体という用語は、コンピュータ可読命令、データ構造、プログラム・モジュールまたは他のデータのような情報の記憶のための任意の方法または技術において実装される揮発性および不揮発性、リムーバブルおよび非リムーバブル媒体を含む。コンピュータ記憶媒体は、これに限られないが、RAM、ROM、EEPROM、フラッシュメモリまたは他のメモリ技術、CD-ROM、デジタル多用途ディスク（DVD）または他の光ディスク記憶、磁気カセット、磁気テープ、磁気ディスク記憶または他の磁気記憶デバイスまたは、所望される情報を記憶するために使用されることができ、コンピュータによってアクセスされることができる他の任意の媒体を含む。さらに、通信媒体が典型的にはコンピュータ可読命令、データ構造、プログラム・モジュールまたは他のデータを、搬送波または他の転送機構のような変調されたデータ信号において具現し、任意の情報送達媒体を含むことは当業者にはよく知られている。

Claims (21)

1. オーディオ信号のパラメトリックな空間的符号化に関係するパラメータの量子化のためのオーディオ・エンコーダにおける方法であって：
   少なくとも、量子化されるべき第一のパラメータおよび第二のパラメータを受領する段階と；
   非一様なきざみサイズをもつ第一のスカラー量子化方式に基づいて前記第一のパラメータを量子化して、量子化された第一のパラメータを得る段階であって、人間の音知覚が最も敏感な前記第一のパラメータの範囲についてはより小さなきざみサイズが使われ、人間の音知覚がそれほど敏感でない前記第一のパラメータの範囲についてはより大きなきざみサイズが使われるように前記非一様なきざみサイズが選択される、段階と；
   前記第一のスカラー量子化方式を使って前記量子化された第一のパラメータを量子化解除して、前記第一のパラメータの近似である量子化解除された第一のパラメータを得る段階と；
   量子化解除された第一のパラメータの値を、量子化解除された第一のパラメータの値に対応するきざみサイズとともに増大するスケーリング因子に対してマッピングするスケーリング関数にアクセスして、前記量子化解除された第一のパラメータに前記スケーリング関数の作用を受けさせることによってスケーリング因子を決定する段階と；
   前記スケーリング因子および非一様なきざみサイズをもつ第二のスカラー量子化方式に基づいて前記第二のパラメータを量子化して、量子化された第二のパラメータを得る段階とを含む、
   方法。
2. 前記スケーリング関数は区分線形関数である、請求項１記載の方法。
3. 前記スケーリング因子および前記第二のスカラー量子化方式に基づいて前記第二のパラメータを量子化する段階は、前記第二のパラメータを前記第二のスカラー量子化方式に基づく量子化にかける前に、前記第二のパラメータを前記スケーリング因子で割ることを含む、請求項１または２記載の方法。
4. 前記第二のスカラー量子化方式の前記非一様なきざみサイズは、前記第二のパラメータの量子化の前に、前記スケーリング因子によってスケーリングされる、請求項１または２記載の方法。
5. 前記第二のスカラー量子化方式の前記非一様なきざみサイズは、前記第二のパラメータの値とともに増大する、請求項１ないし４のうちいずれか一項記載の方法。
6. 前記第一のスカラー量子化方式は、前記第二のスカラー量子化方式より多くの量子化きざみを含む、請求項１ないし５のうちいずれか一項記載の方法。
7. 前記第一のスカラー量子化方式は、前記第二のスカラー量子化方式をオフセットし、ミラーリングし、連結することによって構築される、請求項１ないし６のうちいずれか一項記載の方法。
8. 前記第一および／または第二のスカラー量子化方式の最大のきざみサイズは、前記第一および／または第二のスカラー量子化方式の最小のきざみサイズの約4倍の大きさである、請求項１ないし７のうちいずれか一項記載の方法。
9. 処理機能を有する装置で実行されたときに請求項１ないし８のうちいずれか一項記載の方法を実行するよう適応されたコンピュータ・コード命令を有するコンピュータ可読媒体。
10. オーディオ信号のパラメトリックな空間的符号化に関係するパラメータの量子化のためのオーディオ・エンコーダであって：
    少なくとも、量子化されるべき第一のパラメータおよび第二のパラメータを受領するよう構成された受領コンポーネントと；
    非一様なきざみサイズをもつ第一のスカラー量子化方式に基づいて前記第一のパラメータを量子化して量子化された第一のパラメータを得るよう構成された、前記受領コンポーネントの下流に配置された第一の量子化コンポーネントであって、人間の音知覚が最も敏感な前記第一のパラメータの範囲についてはより小さなきざみサイズが使われ、人間の音知覚がそれほど敏感でない前記第一のパラメータの範囲についてはより大きなきざみサイズが使われるように前記非一様なきざみサイズが選択される、第一の量子化コンポーネントと；
    前記第一の量子化コンポーネントから前記第一の量子化されたパラメータを受領し、前記第一のスカラー量子化方式を使って前記量子化された第一のパラメータを量子化解除して、前記第一のパラメータの近似である量子化解除された第一のパラメータを得るよう構成された量子化解除コンポーネントと；
    前記量子化解除された第一のパラメータを受領し、量子化解除された第一のパラメータの値を、量子化解除された第一のパラメータの値に対応するきざみサイズとともに増大するスケーリング因子に対してマッピングするスケーリング関数にアクセスして、前記量子化解除された第一のパラメータに前記スケーリング関数の作用を受けさせることによってスケーリング因子を決定するよう構成されたスケーリング因子決定コンポーネントと；
    前記第二のパラメータおよび前記スケーリング因子を受領して、前記スケーリング因子および非一様なきざみサイズをもつ第二のスカラー量子化方式に基づいて前記第二のパラメータを量子化して、量子化された第二のパラメータを得るよう構成された第二の量子化コンポーネントとを有する、
    オーディオ・エンコーダ。
11. オーディオ信号のパラメトリックな空間的符号化に関係する量子化されたパラメータの量子化解除のためのオーディオ・デコーダにおける方法であって：
    少なくとも、第一の量子化されたパラメータおよび第二の量子化されたパラメータを受領する段階と；
    非一様なきざみサイズをもつ第一のスカラー量子化方式に従って前記量子化された第一のパラメータを量子化解除して量子化解除された第一のパラメータを得る段階であって、人間の音知覚が最も敏感な前記第一のパラメータの範囲についてはより小さなきざみサイズが使われ、人間の音知覚がそれほど敏感でない前記第一のパラメータの範囲についてはより大きなきざみサイズが使われるように前記非一様なきざみサイズが選択される、段階と；
    量子化解除された第一のパラメータの値を、量子化解除された第一のパラメータの値に対応するきざみサイズとともに増大するスケーリング因子に対してマッピングするスケーリング関数にアクセスして、前記量子化解除された第一のパラメータに前記スケーリング関数の作用を受けさせることによってスケーリング因子を決定する段階と；
    前記スケーリング関数および非一様なきざみサイズをもつ第二のスカラー量子化方式に基づいて前記第二の量子化されたパラメータを量子化解除して、量子化解除された第二のパラメータを得る段階とを含む、
    方法。
12. 前記スケーリング関数は区分線形関数である、請求項１１記載の方法。
13. 前記スケーリング因子および前記第二のスカラー量子化方式に基づいて前記第二のパラメータを量子化解除する段階は、前記第二のスカラー量子化方式に従って前記第二の量子化されたパラメータを量子化解除し、その結果に前記スケーリング因子を乗算することを含む、請求項１１または１２記載の方法。
14. 前記第二のスカラー量子化方式の前記非一様なきざみサイズは、前記第二の量子化されたパラメータの量子化解除の前に、前記スケーリング因子によってスケーリングされる、請求項１１または１２記載の方法。
15. 前記第二のスカラー量子化方式の前記非一様なきざみサイズは、前記第二のパラメータの値とともに増大する、請求項１１ないし１４のうちいずれか一項記載の方法。
16. 前記第一のスカラー量子化方式は、前記第二のスカラー量子化方式より多くの量子化きざみを含む、請求項１１ないし１５のうちいずれか一項記載の方法。
17. 前記第一のスカラー量子化方式は、前記第二のスカラー量子化方式をオフセットし、ミラーリングし、連結することによって構築される、請求項１１ないし１６のうちいずれか一項記載の方法。
18. 前記第一および／または第二のスカラー量子化方式の最大のきざみサイズは、前記第一および／または第二のスカラー量子化方式の最小のきざみサイズの約4倍の大きさである、請求項１１ないし１７のうちいずれか一項記載の方法。
19. 処理機能を有する装置によって実行されたときに請求項１１ないし１８のうちいずれか一項記載の方法を実行するよう適応されたコンピュータ・コード命令を有するコンピュータ可読媒体。
20. オーディオ信号のパラメトリックな空間的符号化に関係する量子化されたパラメータの量子化解除のためのオーディオ・デコーダであって：
    少なくとも、第一の量子化されたパラメータおよび第二の量子化されたパラメータを受領するよう構成された受領コンポーネントと；
    前記受領コンポーネントの下流に配置され、非一様なきざみサイズをもつ第一のスカラー量子化方式に従って前記量子化された第一のパラメータを量子化解除して量子化解除された第一のパラメータを得るよう構成された第一の量子化解除コンポーネントであって、人間の音知覚が最も敏感な前記第一のパラメータの範囲についてはより小さなきざみサイズが使われ、人間の音知覚がそれほど敏感でない前記第一のパラメータの範囲についてはより大きなきざみサイズが使われるように前記非一様なきざみサイズが選択される、第一の量子化解除コンポーネントと；
    前記第一の量子化解除コンポーネントから前記量子化解除された第一のパラメータを受領し、量子化解除された第一のパラメータの値を、量子化解除された第一のパラメータの値に対応するきざみサイズとともに増大するスケーリング因子に対してマッピングするスケーリング関数にアクセスして、前記量子化解除された第一のパラメータに前記スケーリング関数の作用を受けさせることによってスケーリング因子を決定するよう構成されたスケーリング因子決定コンポーネントと；
    前記スケーリング因子および前記第二の量子化されたパラメータを受領し、前記スケーリング因子および非一様なきざみサイズをもつ第二のスカラー量子化方式に基づいて前記第二の量子化されたパラメータを量子化解除して、量子化解除された第二のパラメータを得るよう構成された第二の量子化解除コンポーネントとを有する、
    オーディオ・デコーダ。
21. 請求項１０記載のエンコーダおよび請求項２０記載のオーディオ・デコーダを有するオーディオ・エンコード／デコード・システムであって、前記オーディオ・エンコーダが前記第一および第二の量子化されたパラメータを前記オーディオ・デコーダに伝送するよう構成されている、システム。

Images