JP2021047437A - Ｑｍｆベースの処理データの時間整列 - Google Patents

Abstract

【課題】オーディオ・エンコーダのエンコードされたデータの、スペクトル帯域複製（SBR）メタデータのような関連するメタデータとの時間整列を提供する。【解決手段】受領されたデータ・ストリームのアクセス単位（１１０）からオーディオ信号（２３７）の再構成されたフレームを決定するよう構成されたオーディオ・デコーダ（１００、３００）が記述される。アクセス単位（１１０）は、波形データ（１１１）およびメタデータ（１１２）を含み、波形データ（１１１）およびメタデータ（１１２）はオーディオ信号（１２７）の同じ再構成されたフレームに関連付けられる。オーディオ・デコーダ（１００、３００）は、波形データ（１１１）から複数の波形サブバンド信号（１２３）を生成するよう構成された波形処理経路（１０１、１０２、１０３、１０４、１０５）と、メタデータ（１１１）から、デコードされたメタデータ（１２８）を生成するよう構成された、メタデータ処理経路（１０８、１０９）とを有する。【選択図】図１

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61/877,194号および2013年11月27日に出願された米国仮特許出願第61/909,593号の優先権を主張するものである。各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
本稿は、オーディオ・エンコーダのエンコードされたデータの、スペクトル帯域複製（SBR）、特に高効率（HE）先進オーディオ符号化（AAC）のメタデータのような関連するメタデータとの時間整列に関する。

オーディオ符号化のコンテキストにおける一つの技術的課題は、たとえば生ブロードキャストのようなリアルタイム用途を許容するために、低遅延を示すオーディオ・エンコードおよびデコード・システムを提供することである。さらに、他のビットストリームと接合されることのできるエンコードされたビットストリームを交換するオーディオ・エンコードおよびデコード・システムを提供することが望ましい。さらに、システムのコスト効率のよい実装を許容するために、計算効率のよいオーディオ・エンコードおよびデコード・システムが提供されるべきである。本稿は、レイテンシーを生ブロードキャストのために適切なレベルに維持しつつ、効率的な仕方で接合されることができるエンコードされたビットストリームを提供するという技術的課題に対処する。本稿は、合理的な程度の符号化遅延でのビットストリームの接合を許容し、それにより生ブロードキャストのような用途を可能にするオーディオ・エンコードおよびデコード・システムを記述する。ここで、ブロードキャストされるビットストリームは、複数の源ビットストリームから生成されうる。

ある側面によれば、受領されたデータ・ストリームのアクセス単位からオーディオ信号の再構成されたフレームを決定するよう構成されたオーディオ・デコーダが記述される。典型的には、データ・ストリームは、オーディオ信号の再構成されたフレームのそれぞれのシーケンスを決定するためのアクセス単位のシーケンスを含む。オーディオ信号のフレームは、典型的には、前記オーディオ信号の、あらかじめ決定された数N個の時間領域サンプルを含む（Nは1より大きい）。アクセス単位のシーケンスは、対応して前記オーディオ信号のフレームのシーケンスを記述しうる。

アクセス単位は、波形データおよびメタデータを含む。ここで、前記波形データおよび前記メタデータは前記オーディオ信号の同じ再構成されたフレームに関連付けられている。換言すれば、前記オーディオ信号の再構成されたフレームを決定するための前記波形データおよび前記メタデータは、同じアクセス単位内に含まれる。アクセス単位のシーケンスの各アクセス単位は、前記オーディオ信号の再構成されたフレームの前記シーケンスのそれぞれの再構成されたフレームを生成するための前記波形データおよび前記メタデータを含んでいてもよい。特に、特定のフレームのアクセス単位は、その特定のフレームについての再構成されたフレームを決定するために必要な（たとえばすべての）データを含んでいてもよい。

一例では、特定のフレームのアクセス単位は、その特定のフレームの高域信号を、（前記アクセス単位の前記波形データ内に含まれる）その特定のフレームの低域信号に基づき、かつデコードされたメタデータに基づいて生成するために高周波再構成（HFR）方式を実行するために必要な（たとえばすべての）データを含んでいてもよい。

代替的または追加的に、特定のフレームのアクセス単位は、その特定のフレームのダイナミックレンジの拡張を実行するために必要な（たとえばすべての）データを含んでいてもよい。特に、その特定のフレームの低域信号の拡張または拡大は、デコードされたメタデータに基づいて実行されてもよい。この目的のために、デコードされたメタデータは、一つまたは複数の拡張パラメータを含んでいてもよい。前記一つまたは複数の拡張パラメータは、前記特定のフレームに圧縮／拡張が適用されるか否か；マルチチャネル・オーディオ信号のすべてのチャネルについて均一な仕方で圧縮／拡張が適用されるかどうか（すなわち、マルチチャネル・オーディオ信号のすべてのチャネルについて同じ拡張利得（単数または複数）が適用されるかどうか、あるいはマルチチャネル・オーディオ信号の異なるチャネルについて異なる拡張利得（単数または複数）が適用されるかどうか）；および／または拡張利得の時間分解能のうちの一つまたは複数を示していてもよい。

アクセス単位のシーケンスであって、各アクセス単位が先行するまたは後続するアクセス単位とは独立に、前記オーディオ信号の対応する再構成されたフレームを生成するために必要なデータを含むようなものを提供することは、接合用途のために有益である。接合点での（たとえば、接合点の直後の）オーディオ信号の再構成されたフレームの知覚的な品質に影響することなく、二つの隣り合うアクセス単位の間でデータ・ストリームが接合されることを許容するからである。

一例では、オーディオ信号の再構成されたフレームは、低域信号および高域信号を有する。ここで、前記波形データは前記低域信号を示す。前記メタデータは前記高域信号のスペクトル包絡を示す。前記低域信号は、相対的に低い周波数範囲（たとえば、あらかじめ決定されたクロスオーバー周波数より小さな周波数を含む）をカバーする前記オーディオ信号の成分に対応してもよい。前記高域信号は、相対的に高い周波数範囲（たとえば、前記あらかじめ決定されたクロスオーバー周波数より高い周波数を含む）をカバーする前記オーディオ信号の成分に対応してもよい。低域信号および高域信号は、低域信号および高域信号によってカバーされる周波数範囲に関して相補的であってもよい。オーディオ・デコーダは、メタデータおよび波形データを使って高域信号のスペクトル帯域複製（SBR）のような高周波再構成（HFR）を実行するよう構成されていてもよい。よって、メタデータは、高域信号のスペクトル包絡を示すHFRまたはSBRメタデータを含んでいてもよい。

オーディオ・デコーダは、前記波形データから複数の波形サブバンド信号を生成するよう構成された波形処理経路を有していてもよい。前記複数の波形サブバンド信号は、サブバンド領域における（たとえば、QMF領域における）時間領域波形信号の表現に対応してもよい。時間領域波形信号は、上述した低域信号に対応してもよく、前記複数の波形サブバンド信号は複数の低域サブバンド信号に対応してもよい。さらに、オーディオ・デコーダは、前記メタデータから、デコードされたメタデータを生成するよう構成された、メタデータ処理経路を有していてもよい。

さらに、オーディオ・デコーダは、前記複数の波形サブバンド信号からおよび前記デコードされたメタデータから前記オーディオ信号の前記再構成されたフレームを生成するよう構成されたメタデータ適用および合成ユニットを有していてもよい。特に、前記メタデータ適用および合成ユニットは、前記複数の波形サブバンド信号から（すなわち、その場合、前記複数の低域サブバンド信号から）および前記デコードされたメタデータから複数の（たとえばスケーリングされた）高域サブバンド信号を生成するためにHFRおよび／またはSBR方式を実行するよう構成されていてもよい。次いで、前記複数の（たとえばスケーリングされた）高域サブバンド信号に基づき、かつ前記複数の低域信号に基づいて、前記オーディオ信号の前記再構成されたフレームが決定されてもよい。

代替的または追加的に、オーディオ・デコーダは、前記デコードされたメタデータの少なくとも一部を使って、特に前記デコードされたメタデータ内に含まれる前記一つまたは複数の拡張パラメータを使って、前記複数の波形サブバンド信号を拡張するよう構成されている、あるいはその拡大を実行するよう構成されている拡張ユニットを有していてもよい。この目的のために、拡張ユニットは、前記複数の波形サブバンド信号に一つまたは複数の拡張利得を適用するよう構成されていてもよい。拡張ユニットは、前記複数の波形サブバンド信号に基づき、一つまたは複数のあらかじめ決定された圧縮／拡張規則もしくは関数に基づき、および／または前記一つまたは複数の拡張パラメータに基づき、前記一つまたは複数の拡張利得を決定するよう構成されていてもよい。

前記波形処理経路および／または前記メタデータ処理経路は、前記複数の波形サブバンド信号および前記デコードされたメタデータを時間整列させるよう構成された少なくとも一つの遅延ユニットを有していてもよい。特に、前記少なくとも一つの遅延ユニットは、前記複数の波形サブバンド信号および前記デコードされたメタデータを整列させる、および／または前記波形処理経路および／または前記メタデータ処理経路中に少なくとも一つの遅延を挿入して、前記波形処理経路の全体的な遅延がメタデータ処理経路の全体的な遅延に対応するようにするよう構成されていてもよい。代替的または追加的に、前記少なくとも一つの遅延ユニットは、前記複数の波形サブバンド信号および前記デコードされたメタデータを時間整列させて、前記複数の波形サブバンド信号および前記デコードされたメタデータが、前記メタデータ適用および合成ユニットによって実行される処理のためにちょうど間に合うタイミングで前記メタデータ適用および合成ユニットに提供されるようにするよう構成されていてもよい。特に、前記複数の波形サブバンド信号および前記デコードされたメタデータは、前記複数の波形サブバンド信号および／または前記デコードされたメタデータに対する処理（たとえばHFRもしくはSBR処理）を実行するのに先立って前記複数の波形サブバンド信号および／または前記デコードされたメタデータをバッファリングする必要がないよう、前記メタデータ適用および合成ユニットに提供されてもよい。

換言すれば、オーディオ・デコーダは、前記デコードされたメタデータおよび／または前記複数の波形サブバンド信号の、HFR方式を実行するよう構成されていてもよい前記メタデータ適用および合成ユニットへの提供を、前記デコードされたメタデータおよび／または前記複数の波形サブバンド信号が処理のために必要とされる際に提供されるよう、遅延させるよう構成されていてもよい。挿入される遅延は、アクセス単位のシーケンスをなすビットストリームの接合を可能にしつつ、（オーディオ・デコーダおよび対応するオーディオ・エンコーダを含む）オーディオ・コーデックの全体的な遅延を短縮する（たとえば最小化する）よう選択されてもよい。よって、オーディオ・デコーダは、オーディオ・コーデックの全体的な遅延に対する最小限の影響で前記オーディオ信号の特定の再構成されたフレームを決定するために、前記波形データおよび前記メタデータをなす時間整列されたアクセス単位を扱うよう構成されていてもよい。さらに、オーディオ・デコーダは、メタデータを再サンプリングする必要なしに時間整列されたアクセス単位を扱うよう構成されていてもよい。こうすることにより、オーディオ・デコーダは、前記オーディオ信号の特定の再構成されたフレームを、計算効率のよい仕方で、オーディオ品質を劣化させることなく、決定するよう構成される。よって、オーディオ・デコーダは、高いオーディオ品質および低い全体的な遅延を維持しつつ、計算効率のよい仕方で接合アプリケーションを許容するよう構成されうる。

さらに、前記複数のサブバンド信号および前記デコードされたメタデータを時間整列させるよう構成された少なくとも一つの遅延ユニットの使用は、（前記複数の波形サブバンド信号および前記デコードされたメタデータの前記処理が典型的に実行される領域である）サブバンド領域における前記複数の波形サブバンド信号および前記デコードされたメタデータの精密かつ一貫した整列を保証しうる。

前記メタデータ処理経路は、前記オーディオ信号の前記再構成されたフレームのフレーム長Nの0より大きい整数倍だけ、前記デコードされたメタデータを遅延させるよう構成されたメタデータ遅延ユニットを有していてもよい。前記メタデータ遅延ユニットによって導入される追加的な遅延は、メタデータ遅延と称されてもよい。フレーム長Nは前記オーディオ信号の前記再構成されたフレーム内に含まれる時間領域サンプルの数Nに対応してもよい。前記整数倍は、前記メタデータ遅延ユニットによって導入される遅延が（たとえば前記波形処理経路に導入される追加的な波形遅延は考慮しないときの）前記波形処理経路の前記処理によって導入される遅延より大きいようなものであってもよい。前記メタデータ遅延は、前記オーディオ信号の前記再構成されたフレームのフレーム長Nに依存してもよい。これは、前記波形処理経路内における前記処理によって引き起こされる遅延がフレーム長Nに依存するという事実のためであってもよい。特に、前記整数倍は、960より大きいフレーム長Nについては1であってもよく、および／または前記整数倍は960以下のフレーム長Nについては2であってもよい。

上記のように、前記メタデータ適用および合成ユニットは、サブバンド領域において（たとえばQMF領域において）前記デコードされたメタデータおよび前記複数の波形サブバンド信号を処理するよう構成されていてもよい。さらに、前記デコードされたメタデータは、サブバンド領域におけるメタデータを示してもよい（たとえば、高域信号のスペクトル包絡を記述するスペクトル係数を示す）。さらに、前記メタデータ遅延ユニットは、デコードされたメタデータを遅延させるよう構成されていてもよい。フレーム長Nの0より大きな整数倍であるメタデータ遅延の使用は、有益でありうる。（たとえば前記メタデータ適用および合成ユニット内での処理のための）サブバンド領域における前記複数の波形サブバンド信号および前記デコードされたメタデータの一貫した整列を保証するからである。特に、これは、前記デコードされたメタデータが、メタデータを再サンプリングする必要なしに、前記波形信号の正しいフレームに（すなわち、前記複数の波形サブバンド信号の正しいフレームに）適用されることができることを保証する。

前記波形処理経路は、前記波形処理経路の全体的な遅延が前記オーディオ信号の再構成されたフレームのフレーム長Nの0より大きな整数倍に対応するよう、前記複数の波形サブバンド信号を遅延させるよう構成された波形遅延ユニットを有していてもよい。波形遅延ユニットによって導入される追加的な遅延は、波形遅延と称されてもよい。前記波形処理経路の前記整数倍は、前記メタデータ処理経路の前記整数倍に対応してもよい。

前記波形遅延ユニットおよび／または前記メタデータ遅延ユニットは、前記複数の波形サブバンド信号および／または前記デコードされたメタデータを、前記波形遅延に対応する時間量にわたっておよび／または前記メタデータ遅延に対応する時間量にわたって記憶するよう構成されているバッファとして実装されてもよい。前記波形遅延ユニットは、前記メタデータ適用および合成ユニットの上流の、前記波形処理経路内の任意の位置に配置されうる。よって、前記波形遅延ユニットは、前記波形データおよび／または前記複数の波形サブバンド信号（および／または前記波形処理経路内の任意の中間データまたは信号）を遅延させるよう構成されていてもよい。一例では、前記波形遅延ユニットは、前記波形処理経路に沿って分散されていてもよい。ここで、各分散した遅延ユニットは、総合的な波形遅延の一部を提供する。波形遅延ユニットの分散は、波形遅延ユニットのコスト効率のよい実装のために有益でありうる。波形遅延ユニットと同様に、メタデータ遅延ユニットは、前記メタデータ適用および合成ユニットの上流の、前記メタデータ処理経路内の任意の位置に配置されうる。さらに、前記波形遅延ユニットは、前記メタデータ処理経路に沿って分散されていてもよい。

前記波形処理経路は、前記波形信号を示す複数の周波数係数を提供するよう前記波形データをデコードし、量子化解除するよう構成されたデコードおよび量子化解除ユニットを有していてもよい。よって、前記波形データは、前記複数の周波数係数を含んでいてもよく、あるいは前記複数の周波数係数を示していてもよい。これは、前記オーディオ信号の前記再構成されたフレームの前記波形信号の前記生成を許容する。さらに、前記波形処理経路は、前記複数の周波数係数から前記波形信号を生成するよう構成された波形合成ユニットを有していてもよい。前記波形合成ユニットは、周波数領域から時間領域への変換を実行するよう構成されていてもよい。特に、前記波形合成ユニットは、逆修正離散コサイン変換（MDCT）を実行するよう構成されていてもよい。前記波形合成ユニットまたは前記波形合成ユニットの前記処理は、前記オーディオ信号の前記再構成されたフレームのフレーム長Nに依存する遅延を導入しうる。特に、前記波形合成ユニットによって導入される遅延は、フレーム長Nの半分に対応してもよい。

前記波形データから前記波形信号を再構成したのち、前記波形信号は、前記デコードされたメタデータとの関連で処理されてもよい。一例では、前記波形信号は、前記デコードされたメタデータを使って前記高域信号を決定するためのHFRまたはSBR方式のコンテキストにおいて使われてもよい。この目的のために、前記波形処理経路は、前記波形信号から前記複数の波形サブバンド信号を生成するよう構成された分解ユニットを有していてもよい。前記分解ユニットは、たとえば直交ミラーフィルタ（QMF）バンクを適用することによって、時間領域からサブバンド領域への変換を実行するよう構成されていてもよい。典型的には、前記波形合成ユニットによって実行される変換の周波数分解能は、前記分解ユニットによって実行される変換の周波数分解能より（たとえば少なくとも5倍または10倍）高い。これは、「周波数領域」および「サブバンド領域」という用語によって示されてもよい。ここで、周波数領域は、サブバンド領域よりも高い周波数分解能に関連付けられてもよい。分解ユニットは、前記オーディオ信号の前記再構成されたフレームのフレーム長Nとは独立である固定遅延を導入しうる。分解ユニットによって導入される固定遅延は、分解ユニットによって使用されるフィルタバンクのフィルタの長さに依存してもよい。例として、分解ユニットによって導入される固定遅延は、前記オーディオ信号の320サンプルに対応してもよい。

前記波形処理経路の全体的な遅延はさらに、メタデータと波形データとの間のあらかじめ決定された先読み〔ルックアヘッド〕に依存してもよい。そのような先読みは、前記オーディオ信号の隣り合う再構成されたフレームの間の連続性を増すために有益でありうる。前記あらかじめ決定された先読みおよび／または付随する先読み遅延は、前記オーディオ・サンプルの192または384サンプルに対応してもよい。先読み遅延は、高域信号のスペクトル包絡を示すHFRまたはSBRメタデータの決定のコンテキストにおける先読みであってもよい。特に、先読みは、前記オーディオ信号の前記特定のフレームのHFRまたはSBRメタデータを、前記オーディオ信号の直後のフレームからのあらかじめ決定された数のサンプルに基づいて決定することを、対応するオーディオ・エンコーダに許容しうる。これは、前記特定のフレームが音響過渡を含む場合に、有益でありうる。先読み遅延は、波形処理経路内に含まれる先読み遅延ユニットによって適用されてもよい。

よって、前記波形処理経路の全体的な遅延、すなわち波形遅延は、前記波形処理経路内で実行される種々の処理に依存してもよい。さらに、前記波形遅延は、前記メタデータ処理経路によって導入されるメタデータ遅延に依存してもよい。波形遅延は、前記オーディオ信号のサンプルの任意の倍数に対応してもよい。この理由により、前記波形信号を遅延させるよう構成されている波形遅延ユニットを利用することが有益となりうる。ここで、前記波形信号は時間領域で表現される。換言すれば、波形信号に対して波形遅延を適用することが有益であることがある。こうすることにより、前記オーディオ信号のサンプルの任意の倍数に対応する波形遅延の精密でありかつ一貫した適用が保証されうる。

例示的なデコーダは、サブバンド領域で表現されていてもよい前記メタデータに対してメタデータ遅延を適用するよう構成されているメタデータ遅延ユニットと、時間領域で表現されている波形信号に対して波形遅延を適用するよう構成されている波形遅延ユニットとを有していてもよい。メタデータ遅延ユニットは、フレーム長Nの整数倍に対応するメタデータ遅延を適用してもよく、波形遅延ユニットは、前記オーディオ信号のサンプルの整数倍に対応する波形遅延を適用してもよい。結果として、前記メタデータ適用および合成ユニット内での処理のための前記複数の波形サブバンド信号および前記デコードされたメタデータの精密かつ一貫した整列が保証されうる。前記複数の波形サブバンド信号および前記デコードされたメタデータの前記処理は、サブバンド領域で生起してもよい。前記複数の波形サブバンド信号および前記デコードされたメタデータの前記整列は、前記デコードされたメタデータの再サンプリングなしに達成されてもよく、それにより計算効率がよく、品質を保存する整列手段を提供する。

上記で概説したように、オーディオ・デコーダはHFRまたはSBR方式を実行するよう構成されていてもよい。前記メタデータ適用および合成ユニットは、前記複数の低域サブバンド信号を使ってかつ前記デコードされたメタデータを使って、高周波再構成（たとえばSBR）を実行するよう構成されているメタデータ適用ユニットを有していてもよい。特に、前記メタデータ適用ユニットは、前記複数の低域サブバンド信号の一つまたは複数を転移して複数の高域サブバンド信号を生成するよう構成されていてもよい。さらに、前記メタデータ適用ユニットは、前記複数の高域サブバンド信号に前記デコードされたメタデータを適用して、複数のスケーリングされた高域サブバンド信号を提供するよう構成されていてもよい。前記複数のスケーリングされた高域サブバンド信号は、前記オーディオ信号の前記再構成されたフレームの前記高域信号を示してもよい。前記オーディオ信号の前記再構成されたフレームを生成するために、前記メタデータ適用および合成ユニットはさらに、前記複数の低域サブバンド信号からおよび前記複数のスケーリングされた高域サブバンド信号から前記オーディオ信号の前記再構成されたフレームを生成するよう構成された合成ユニットを有していてもよい。前記合成ユニットは、たとえば逆QMFバンクを適用することによって、前記分解ユニットによって実行された変換に関する逆変換を実行するよう構成されていてもよい。前記合成ユニットの前記フィルタバンク内に含まれるフィルタの数は、前記分解ユニットの前記フィルタバンク内に含まれるフィルタの数より多くてもよい（たとえば、前記複数のスケーリングされた高域サブバンド信号に起因する延長された周波数範囲を考慮に入れるため）。

上記のように、オーディオ・デコーダは、拡張ユニット（expanding unit）を有していてもよい。拡張ユニットは、前記複数の波形サブバンド信号のダイナミックレンジを修正する（たとえば増大させる）よう構成されていてもよい。拡張ユニットは、前記メタデータ適用および合成ユニットの上流に位置していてもよい。特に、前記複数の拡張された波形サブバンド信号は、HFRまたはSBR方式を実行するために使われてもよい。換言すれば、HFRまたはSBR方式を実行するために使われる前記複数の低域サブバンド信号は、拡張ユニットの出力における前記複数の拡張された波形サブバンド信号に対応していてもよい。

拡張ユニットは、好ましくは先読み遅延ユニットの下流に位置される。特に、拡張ユニットは、前記先読み遅延ユニットと前記メタデータ適用および合成ユニットとの間に位置されていてもよい。拡張ユニットを先読み遅延ユニットの下流に位置させることによって、すなわち、前記複数の波形サブバンド信号を拡張する前に前記波形データに先読み遅延を適用することによって、前記メタデータ内に含まれる前記一つまたは複数の拡張パラメータが正しい波形データに適用されることが保証される。換言すれば、前記先読み遅延によってすでに遅延された波形データに対する拡張を実行することは、前記メタデータからの前記一つまたは複数の拡張パラメータが前記波形データと同期していることを保証する。

よって、前記デコードされたメタデータは、一つまたは複数の拡張パラメータを含んでいてもよく、オーディオ・デコーダは、前記一つまたは複数の拡張パラメータを使って、前記複数の波形サブバンド信号に基づいて複数の拡張された波形サブバンド信号を生成するよう構成された拡張ユニットを有していてもよい。特に、拡張ユニットは、あらかじめ決定された圧縮関数の逆を使って前記複数の拡張された波形サブバンド信号を生成するよう構成されていてもよい。前記一つまたは複数の拡張パラメータは、前記あらかじめ決定された圧縮関数の逆を示していてもよい。前記オーディオ信号の前記再構成されたフレームは、前記複数の拡張された波形サブバンド信号から決定されていてもよい。

上記のように、オーディオ・デコーダは、前記あらかじめ決定された先読みに従って前記複数の波形サブバンド信号を遅延させて、複数の遅延された波形サブバンド信号を生じるよう構成された先読み遅延ユニットを有していてもよい。拡張ユニットは、前記複数の遅延された波形サブバンド信号を拡張することによって、前記複数の拡張された波形サブバンド信号を生成するよう構成されていてもよい。換言すれば、拡張ユニットは、先読みユニットの下流に位置されてもよい。これは、前記一つまたは複数の拡張パラメータと、前記一つまたは複数の拡張パラメータが適用可能である前記複数の波形サブバンド信号との間の同期を保証する。

前記メタデータ適用および合成ユニットは、前記複数の波形サブバンド信号の時間的な一部分について前記デコードされたメタデータを使うことによって（特にSBR/HFR関係のメタデータを使うことによって）前記オーディオ信号の前記再構成されたフレームを生成するよう構成されていてもよい。前記時間的な一部分は、前記複数の波形サブバンド信号のいくつかの時間スロットに対応してもよい。前記時間的な一部分の時間長は、可変であってもよい。すなわち、前記デコードされたメタデータが適用される前記複数の波形サブバンド信号の時間長は、あるフレームから次のフレームへと変化してもよい。さらに換言すれば、前記デコードされたメタデータのフレーム構成（framing）は変わってもよい。時間的な一部分の時間長の変動は、あらかじめ決定された限界までに制限されてもよい。前記あらかじめ決定された範囲は、前記フレーム長から前記先読み遅延を引いたものおよび前記フレーム長に前記先読み遅延を加えたものに対応してもよい。種々の時間長の時間的部分についての前記デコードされた波形データ（またはその一部）の適用は、過渡的オーディオ信号を扱うために有益でありうる。

拡張ユニットは、前記複数の波形サブバンド信号の同じ時間的な一部分について前記一つまたは複数の拡張パラメータを使うことによって、前記複数の拡張された波形サブバンド信号を生成するよう構成されていてもよい。換言すれば、前記一つまたは複数の拡張パラメータのフレーム構成（framing）は、前記メタデータ適用および合成ユニットによって使用される前記デコードされたメタデータについてのフレーム構成（たとえば、SBR/HFRメタデータについてのフレーム構成）と同じであってもよい。そうすることにより、SBR方式と圧伸方式との一貫性が保証されることができ、符号化システムの知覚的品質が改善されることができる。

あるさらなる側面によれば、オーディオ信号のフレームをデータ・ストリームのアクセス単位にエンコードするよう構成されたオーディオ・エンコーダが記述される。オーディオ・エンコーダは、オーディオ・デコーダによって実行される処理タスクに関する対応する処理タスクを実行するよう構成されていてもよい。特に、オーディオ・エンコーダは、オーディオ信号のフレーム（frame）から波形データおよびメタデータを決定し、該波形データおよび該メタデータをアクセス単位（access unit）に挿入するよう構成されていてもよい。前記波形データおよび前記メタデータは、前記オーディオ信号のそのフレームの再構成されたフレームを示しうる。換言すれば、前記波形データおよび前記メタデータは、対応するオーディオ・デコーダが、前記オーディオ信号のもとのフレームの再構成されたバージョンを決定できるようにする。前記オーディオ信号の前記フレームは、低域信号および高域信号を含んでいてもよい。前記波形データは低域信号を示してもよく、前記メタデータは高域信号のスペクトル包絡を示してもよい。

オーディオ・エンコーダは、前記オーディオ信号の前記フレームから、たとえば前記低域信号から（たとえば先進オーディオ符号化器AACのようなオーディオ・コア・デコーダを使って）前記波形データを生成するよう構成された波形処理経路を有していてもよい。さらに、オーディオ・エンコーダは、前記オーディオ信号の前記フレームから、たとえば前記高域信号および前記低域信号から、前記メタデータを生成するよう構成されたメタデータ処理経路を有する。例として、オーディオ・エンコーダは、高効率（HE）AACを実行するよう構成されていてもよく、対応するオーディオ・デコーダは、HE AACに従って、受領されたデータ・ストリームをデコードするよう構成されていてもよい。

前記波形処理経路および／または前記メタデータ処理経路は、前記オーディオ信号の前記フレームについてのアクセス単位が前記オーディオ信号の同じフレームについての前記波形データおよび前記メタデータを含むよう、前記波形データおよび前記メタデータを時間整列させるよう構成された少なくとも一つの遅延ユニットを有していてもよい。前記少なくとも一つの遅延ユニットは、前記波形データおよび前記メタデータを時間整列して、前記波形処理経路の全体的な遅延がメタデータ処理経路の全体的な遅延に対応するようにするよう構成されていてもよい。特に、前記少なくとも一つの遅延ユニットは、前記波形処理経路の全体的な遅延が前記メタデータ処理経路の全体的な遅延に対応するよう、前記波形処理経路に追加的な遅延を挿入するよう構成された波形遅延ユニットであってもよい。代替的または追加的に、前記少なくとも一つの遅延ユニットは、前記波形データおよび前記メタデータを時間整列させて、前記波形データおよび前記メタデータが、前記波形データおよび前記メタデータから単一のアクセス単位を生成するためにちょうど間に合うタイミングでオーディオ・エンコーダのアクセス単位生成ユニットに提供されるようにするよう構成されていてもよい。特に、前記波形データおよび前記メタデータは、前記波形データおよび／または前記メタデータをバッファリングするためのバッファの必要なしに前記単一のアクセス単位が生成されうるよう、提供されてもよい。

オーディオ・エンコーダは、前記オーディオ信号の前記フレームから複数のサブバンド信号を生成するよう構成された分解ユニットを有していてもよい。ここで、前記複数のサブバンド信号は前記低域信号を示す複数の低域信号を含んでいてもよい。オーディオ・エンコーダは、圧縮関数を使って前記複数の低域信号を圧縮し、複数の圧縮された低域信号を提供するよう構成された圧縮ユニットを有していてもよい。前記波形データは、前記複数の圧縮された低域信号を示していてもよく、前記メタデータは前記圧縮ユニットによって使われた圧縮関数を示していてもよい。前記高域信号のスペクトル包絡を示すメタデータが、前記オーディオ信号の、前記圧縮関数を示すメタデータと同じ部分に適用可能であってもよい。換言すれば、前記高域信号のスペクトル包絡を示すメタデータは、前記圧縮関数を示すメタデータと同期していてもよい。

あるさらなる側面によれば、オーディオ信号のフレームのシーケンスについて対応してアクセス単位のシーケンスを含むデータ・ストリームが記述される。アクセス単位のシーケンスからのアクセス単位は、波形データおよびメタデータを有する。波形データおよびメタデータは、オーディオ信号のフレームのシーケンスの同じ特定のフレームに関連している。波形データおよびメタデータは、その特定のフレームの再構成されたフレームを示していてもよい。一例では、オーディオ信号のその特定のフレームは、低域信号および高域信号を含む。ここで、前記波形データは前記低域信号を示し、前記メタデータは前記高域信号のスペクトル包絡を示す。前記メタデータは、オーディオ・デコーダが、HFR方式を使って前記低域信号から前記高域信号を生成できるようにしてもよい。代替的または追加的に、前記メタデータは、前記低域信号に適用された圧縮関数を示していてもよい。よって、前記メタデータは、オーディオ・デコーダが受領された低域信号のダイナミックレンジの拡張を（前記圧縮関数の逆を使って）実行することを可能にしてもよい。

あるさらなる側面によれば、受領されたデータ・ストリームのアクセス単位からオーディオ信号の再構成されたフレームを決定する方法が記述される。アクセス単位は、波形データおよびメタデータを含む。ここで、前記波形データおよび前記メタデータは前記オーディオ信号の同じ再構成されたフレームに関連付けられている。一例では、前記オーディオ信号の前記再構成されたフレームは、低域信号および高域信号を含む。ここで、前記波形データは前記低域信号を（たとえば、前記低域信号を記述する周波数係数を）示し、前記メタデータは前記高域信号のスペクトル包絡を（たとえば、前記高域信号の複数のスケール因子帯域についてのスケール因子を）示す。本方法は、前記波形データから複数の波形サブバンド信号を生成し、前記メタデータから、デコードされたメタデータを生成することを含む。さらに、本方法は、前記複数の波形サブバンド信号および前記デコードされたメタデータを、本稿に記載されるように時間整列させることを含む。さらに、本方法は、前記時間整列された複数の波形サブバンド信号およびデコードされたメタデータから、前記オーディオ信号の前記再構成されたフレームを生成することを含む。

もう一つの側面によれば、オーディオ信号のフレームをデータ・ストリームのアクセス単位にエンコードする方法が記述される。前記オーディオ信号の前記フレームは、前記アクセス単位が波形データおよびメタデータを含むようエンコードされている。前記波形データおよび前記メタデータは前記オーディオ信号の前記フレームの再構成されたフレームを示す。一例では、前記オーディオ信号の前記フレームは、低域信号および高域信号を含み、前記フレームは、前記波形データが前記低域信号を示し、前記メタデータが前記高域信号のスペクトル包絡を示すようエンコードされている。本方法は、前記オーディオ信号の前記フレームから、たとえば前記低域信号から前記波形データを生成し、前記オーディオ信号の前記フレームから、たとえば前記高域信号および前記低域信号から（たとえばHFR方式に従って）前記メタデータを生成することを含む。さらに、本方法は、前記波形データおよび前記メタデータを、前記オーディオ信号の前記フレームについての前記アクセス単位が前記オーディオ信号の同じフレームについての前記波形データおよび前記メタデータを含むよう時間整列させる段階を含む。

あるさらなる側面によれば、ソフトウェア・プログラムが記述される。前記ソフトウェア・プログラムは、プロセッサ上での実行のために、該プロセッサ上で実行されたときに本稿で概説される方法段階を実行するために適応されていてもよい。

もう一つの側面によれば、記憶媒体（たとえば非一時的な記憶媒体）が記述される。本記憶媒体は、プロセッサ上での実行のために、該プロセッサ上で実行されたときに本稿で概説される方法段階を実行するために適応されているソフトウェア・プログラムを有していてもよい。

あるさらなる側面によれば、コンピュータ・プログラム・プロダクトが記述される。本コンピュータ・プログラムは、コンピュータ上で実行されたときに本稿で概説される方法段階を実行するための実行可能命令を含んでいてもよい。

本特許出願において概説される好ましい実施形態を含む方法およびシステムは、単独で、あるいは本稿に開示される他の方法およびシステムとの組み合わせで使われてもよいことを注意しておくべきである。さらに、本特許出願において概説される方法およびシステムのすべての側面は、任意に組み合わされうる。特に、請求項の特徴は、任意の仕方で互いに組み合わされうる。

本発明は、付属の図面を参照して例示的な仕方で下記に説明される。
例示的なオーディオ・デコーダのブロック図を示す。 もう一つの例示的なオーディオ・デコーダのブロック図を示す。 例示的なオーディオ・エンコーダのブロック図を示す。 オーディオ拡張を実行するよう構成されている例示的なオーディオ・デコーダのブロック図である。 オーディオ圧縮を実行するよう構成されている例示的なオーディオ・エンコーダのブロック図である。 オーディオ信号のフレームのシーケンスの例示的なフレーム構成を示す図である。

上記のように、本稿はメタデータ整列に関する。以下では、メタデータの整列は、MPGE HE（高効率）AAC（先進オーディオ符号化）方式のコンテキストで概説されるが、本稿において記述されるメタデータ整列の原理は、他のオーディオ・エンコード／デコード・システムにも適用可能である。特に、本稿において記述されるメタデータ整列方式は、HFR（高周波再構成）および／またはSBR（スペクトル帯域幅複製）を利用し、HFR/SBRメタデータをオーディオ・エンコーダから対応するオーディオ・デコーダに伝送するオーディオ・エンコード／デコード・システムに適用可能である。さらに、本稿において記述されるメタデータ整列方式は、サブバンド（特にQMF）領域における適用を利用するオーディオ・エンコード／デコード・システムに適用可能である。そのような適用の例はSBRである。他の例はA結合（A-coupling）、後処理などである。以下では、メタデータ整列方式はSBRメタデータの整列のコンテキストにおいて記述される。しかしながら、メタデータ整列方式は他の型のメタデータにも、特にサブバンド領域における他の型のメタデータにも、適用可能であることを注意しておくべきである。

MPEG HE-AACデータ・ストリームは、SBRメタデータ（A-SPXメタデータとも称される）を含む。データ・ストリームの特定のエンコードされたフレーム（データ・ストリームのAU（access unit［アクセス単位］）とも称される）におけるSBRメタデータは、典型的には、過去の波形（W）データに関係する。換言すれば、データ・ストリームのAU内に含まれるSBRメタデータおよび波形データは典型的には、もとのオーディオ信号の同じフレームに対応するのではない。これは、波形データのデコード後に波形データがいくつかの処理段階（たとえばIMDCT（逆修正離散コサイン変換）およびQMF（直交ミラーフィルタ）分解）にかけられ、これらの段階が信号遅延を導入するという事実のためである。SBRメタデータが波形データに適用される時点では、SBRメタデータは処理された波形データと同期している。よって、SBRメタデータおよび波形データは、オーディオ・デコーダにおいてSBRメタデータがSBR処理のために必要とされるときにSBRメタデータがオーディオ・デコーダに到達するよう、MPEG HE-AACデータ・ストリーム中に挿入される。この型のメタデータ送達は、「ジャストインタイム（Just-In-Time）」（JIT）メタデータ送達と称されることがある。SBRメタデータがオーディオ・デコーダの信号または処理チェーン内で直接適用されることができるように、SBRメタデータがデータ・ストリーム中に挿入されるからである。

JITメタデータ送達は、全体的な符号化遅延を低減するためおよびオーディオ・デコーダにおけるメモリ要求を低減するために、通常のエンコード‐伝送‐デコードの処理チェーンにとって有益でありうる。しかしながら、伝送経路に沿ったデータ・ストリームのスプライス（splice）は、波形データと対応するSBRメタデータとの間のミスマッチにつながりうる。そのようなミスマッチは、オーディオ・デコーダにおいてスペクトル帯域複製のために誤ったSBRメタデータが使われるため、スプライシング〔接合〕点における可聴なアーチファクトにつながることがある。

上記に鑑み、低い全体的な符号化遅延を維持しつつ、データ・ストリームの接合を許容するオーディオ・エンコード／デコード・システムを提供することが望ましい。

図１は、上述した技術的課題に対処する例示的なオーディオ・デコーダ１００のブロック図を示している。具体的には、図１のオーディオ・デコーダ１００は、オーディオ信号の特定のセグメント（たとえばフレーム）の波形データ１１１を含み、かつオーディオ信号の該特定のセグメントの対応するメタデータ１１２を含むAU １１０をもつデータ／ストリームのデコードを許容する。時間整列された波形データ１１１および対応するメタデータ１１２をもつAU １１０を含むデータ・ストリームをデコードするオーディオ・デコーダ１００を提供することによって、データ・ストリームの一貫した接合が可能にされる。特に、データ・ストリームが、波形データ１１１およびメタデータ１１２の対応する対が維持される仕方で接合されることができることが保証される。

オーディオ・デコーダ１００は、波形データ１１１の処理チェーン内に遅延ユニット１０５を有する。遅延ユニット１０５はMDCT合成ユニット１０２の後または下流かつオーディオ・デコーダ１００内のQMF合成ユニット１０７の前または上流に配置されてもよい。特に、遅延ユニット１０５は、処理された波形データにデコードされたメタデータ１２８を適用するよう構成されているメタデータ適用ユニット１０６（たとえばSBRユニット１０６）の前または上流に配置されてもよい。遅延ユニット１０５（波形遅延ユニット１０５とも称される）は処理された波形データに遅延（波形遅延とも称される）を適用するよう構成されている。波形遅延は好ましくは、波形処理チェーンまたは波形処理経路（たとえば、MDCT合成ユニット１０２からメタデータ適用ユニット１０６におけるメタデータの適用まで）の全体的な処理遅延が合計するとちょうど1フレーム（またはその整数倍）になるように選ばれる。そうすることにより、パラメトリック制御データは、一フレーム（またはその倍数）だけ遅延されることができ、AU １１０内での整列が達成される。

図１は、例示的なオーディオ・デコーダ１００のコンポーネントを示している。AU １１０から取られた波形データ１１１は、波形デコードおよび量子化解除ユニット１０１内でデコードされ、量子化解除されて、（周波数領域における）複数の周波数係数１２１を与える。前記複数の周波数係数１２１は、低域合成ユニット１０２（たとえばMDCT合成ユニット）内で適用される周波数領域から時間領域への変換（たとえば逆MDCT（修正離散コサイン変換））を使って（時間領域の）低域信号１２２に合成される。その後、低域信号１２２は、分解ユニット１０３を使って複数の低域サブバンド信号１２３に変換される。分解ユニット１０３は、低域信号１２２に直交ミラーフィルタ（QMF）バンクを適用して、前記複数の低域サブバンド信号１２３を与えるよう構成されていてもよい。メタデータ１１２は典型的には、前記複数の低域サブバンド信号１２３に（またはその転移されたバージョンに）適用される。

AU １１０からのメタデータ１１２は、メタデータ・デコードおよび量子化解除ユニット１０８内でデコードされ、量子化解除されて、デコードされたメタデータ１２８を与える。さらに、オーディオ・デコーダ１００は、デコードされたメタデータ１２８に遅延（メタデータ遅延とも称される）を適用するよう構成されているさらなる遅延ユニット１０９（メタデータ遅延ユニット１０９とも称される）を有していてもよい。メタデータ遅延は、フレーム長Nの整数倍に対応してもよい。たとえば、D₁がメタデータ遅延であるとして、D₁＝N。よって、メタデータ処理チェーンの全体的な遅延はD₁に対応する。たとえばD₁＝Nとなる。

処理された波形データ（すなわち、遅延された複数の低域サブバンド信号１２３）および処理されたメタデータ（すなわち、遅延されたデコードされたメタデータ１２８）がメタデータ適用ユニット１０６に同時に到達することを保証するために、波形処理チェーン（または経路）の全体的な遅延は、メタデータ処理チェーン（または経路）の全体的な遅延に（すなわち、D₁に）対応するべきである。波形処理チェーン内において、低域合成ユニット１０２は典型的にはN/2の（すなわち、フレーム長の半分の）遅延を挿入する。合成ユニット１０３は典型的には（たとえば320サンプルの）固定遅延を挿入する。さらに、先読み（すなわち、メタデータと波形データとの間の固定したオフセット）が考慮に入れられる必要があることがある。MPEG HE-AACの場合、そのようなSBR先読みは（先読みユニット１０４によって表現される）384サンプルに対応してもよい。先読みユニット１０４（先読み遅延ユニット１０４と称されることもある）は波形データ１１１を固定したSBR先読み遅延だけ遅延させる（たとえば、前記複数の低域サブバンド信号１２３を遅延させる）よう構成されていてもよい。先読み遅延は、対応するオーディオ・エンコーダが、オーディオ信号の後続フレームに基づいてSBRメタデータを決定できるようにする。

波形処理チェーンの全体的な遅延に対応するメタデータ処理チェーンの全体的な遅延を提供するために、波形遅延D₂は
D₁＝320＋384＋D₂＋N/2
となるようなものであるべきである。すなわち、D₂＝N/2−320−384である（D₁＝Nの場合）。

表１は、複数の異なるフレーム長Nについての波形遅延D₂を示している。HE-AACの種々のフレーム長Nについての最大波形遅延D₂は928サンプルであり、全体的な最大デコーダ・レイテンシーは2177サンプルであることが見て取れる。換言すれば、単一のAU １１０内での波形データ１１１および対応するメタデータ１１２の整列の結果、最大928サンプルの追加的なPCM遅延となる。フレーム・サイズN＝1920/1536のブロックについては、メタデータは1フレーム遅延され、フレーム・サイズN＝960/768/512/384については、メタデータは2フレーム遅延される。つまり、オーディオ・デコーダ１００における再生遅延はブロック・サイズNに依存して増大させられ、全体的な符号化遅延は1または2個の完全なフレームだけ増大させられる。対応するオーディオ・エンコーダにおける最大PCM遅延は1664サンプルである（オーディオ・デコーダ１００の固有のレイテンシーに対応）。

そこで、本稿では、単一のAU １１０中に対応する波形データ１１１と整列されている信号整列されたメタデータ１１２（SAM: signal-aligned-metadata）を使うことによってJITメタデータの欠点に対処することが提案される。具体的には、すべてのエンコードされたフレーム（またはAU）が、のちの処理段において、たとえばメタデータが根底にある波形データに適用されるときの処理段において使う（たとえばA-SPXの）メタデータを担持するよう、一つまたは複数の追加的な遅延ユニットを、オーディオ・デコーダ１００および／または対応するオーディオ・エンコーダ中に導入することが提案される。

注意しておくべきことは、原理的には、フレーム長Nの一部に対応するメタデータ遅延D₁を適用することが考えられるということである。こうすることにより、全体的な符号化遅延が可能性としては低減されることができる。しかしながら、たとえば図１に示されるように、メタデータ遅延D₁はQMF領域で（すなわちサブバンド領域で）適用される。これに鑑み、またメタデータ１１２が典型的にはフレーム毎に一度定義されるだけであるという事実に鑑み、すなわち、メタデータ１１２が典型的にはフレーム当たり一つの専用のパラメータ集合を含むという事実に鑑み、フレーム長Nの一部に対応するメタデータ遅延D₁の挿入は、波形データ１１１に関する同期問題につながりうる。他方、波形遅延D₂は（図１に示されるように）時間領域で適用され、この場合、フレームの一部に対応する遅延は精密な仕方で（たとえば波形遅延D₂に対応する数のサンプルだけ時間領域信号を遅延させることによって）実装できる。よって、メタデータ１１２をフレームの整数倍だけ遅延させ（ここで、フレームはメタデータ１１２が定義されている最低の時間分解能に対応する）、波形データ１１１を任意の値を取り得る波形遅延D₂だけ遅延させることが有益である。フレーム長Nの整数倍に対応するメタデータ遅延D₁は、精密な仕方でサブバンド領域で実装されることができ、サンプルの任意の倍数に対応する波形遅延D₂は精密な仕方で時間領域で実装されることができる。結果として、メタデータ遅延D₁と波形遅延D₂の組み合わせは、メタデータ１１２と波形データ１１１の正確な同期を許容する。

フレーム長Nの一部に対応するメタデータ遅延D₁の適用は、メタデータ遅延D₁に従ってメタデータ１１２を再サンプリングすることによって実装できる。しかしながら、メタデータ１１２の再サンプリングは、実質的な計算コストを伴う。さらに、メタデータ１１２の再サンプリングは、メタデータ１１２の歪みにつながることがあり、それによりオーディオ信号の再構成されたフレームの品質に影響する。これに鑑み、計算効率に鑑みかつオーディオ品質に鑑みて、メタデータ遅延D₁をフレーム長Nの整数倍に制限することが有益である。

図１は、遅延されたメタデータ１２８および遅延された複数の低域サブバンド信号１２３のさらなる処理を示している。メタデータ適用ユニット１０６は、前記複数の低域サブバンド信号１２３に基づき、かつメタデータ１２８に基づいて、複数の（たとえばスケーリングされた）高域サブバンド信号１２６を生成するよう構成されている。この目的のために、メタデータ適用ユニット１０６は、前記複数の低域サブバンド信号１２３の一つまたは複数を転移して複数の高域サブバンド信号を生成するよう構成されていてもよい。転移（transposition）は、前記複数の低域サブバンド信号１２３の前記一つまたは複数の上へのコピー（copy-up）プロセスを含んでいてもよい。さらに、メタデータ適用ユニット１０６は、前記複数のスケーリングされた高域サブバンド信号１２６を生成するために、前記複数の高域サブバンド信号にメタデータ１２８（たとえば、メタデータ１２８内に含まれるスケール因子）を適用するよう構成されていてもよい。前記複数のスケーリングされた高域サブバンド信号１２６は典型的には前記スケール因子を使ってスケーリングされ、前記複数の高域サブバンド信号１２６のスペクトル包絡が前記オーディオ信号のもとのフレーム（これは、前記複数の低域サブバンド信号１２３に基づき、前記複数のスケーリングされた高域サブバンド信号１２６から生成されるオーディオ信号１２７の再構成されたフレームに対応する）の高域信号のスペクトル包絡を模倣するようにする。

さらに、オーディオ・デコーダ１００は、前記複数の低域サブバンド信号１２３からおよび前記複数のスケーリングされた高域サブバンド信号１２６から（たとえば逆QMFバンクを使って）オーディオ信号１２７の前記再構成されたフレームを生成するよう構成された合成ユニット１０７を有する。

図２ａは、別の例示的オーディオ・デコーダ１００のブロック図を示している。図２ａのオーディオ・デコーダ１００は図１のオーディオ・デコーダ１００と同じコンポーネントを有する。さらに、マルチチャネル・オーディオ処理のための例示的コンポーネント２１０が示されている。図２ａの例では、波形遅延ユニット１０５は逆MDCTユニット１０２の直後に置かれていることが見て取れる。オーディオ信号１２７の再構成されたフレームの決定は、（たとえば5.1または7.1マルチチャネル・オーディオ信号の）マルチチャネル・オーディオ信号の各チャネルについて実行されてもよい。

図２ｂは、図２ａのオーディオ・デコーダ１００に対応する例示的なオーディオ・エンコーダ２５０のブロック図を示している。オーディオ・エンコーダ２５０は、対応する波形データ１１１およびメタデータ１１２の対を担持するAUを含むデータ・ストリームを生成するよう構成されている。オーディオ・エンコーダ２５０は、メタデータを決定するためのメタデータ処理チェーン２５６、２５７、２５８、２５９、２６０を有する。メタデータ処理チェーンは、メタデータを対応する波形データと整列させるためのメタデータ遅延ユニット２５６を有していてもよい。図示した例では、オーディオ・エンコーダ２５０のメタデータ遅延ユニット２５６はいかなる追加的な遅延も導入しない（メタデータ処理チェーンによって導入される遅延が波形処理チェーンによって導入された遅延より大きいため）。

さらに、オーディオ・エンコーダ２５０は、オーディオ・エンコーダ２５０の入力におけるもとのオーディオ信号から前記波形データを決定するよう構成された波形処理チェーン２５１、２５２、２５３、２５４、２５５を有する。波形処理チェーンは、波形データを対応するメタデータと整列させるために、波形処理チェーンに追加的な遅延を導入するよう構成された波形遅延ユニット２５２を有する。波形遅延ユニット２５２によって導入される遅延は、メタデータ処理チェーンの全体的な遅延（波形遅延ユニット２５２によって挿入される波形遅延を含む）が波形処理チェーンの全体的な遅延に対応するようなものであってもよい。フレーム長N＝2048の場合、波形遅延ユニット２５２の遅延は2048−320＝1728サンプルであってもよい。

図３ａは、拡張ユニット３０１を有するオーディオ・デコーダ３００の抜粋を示している。図３ａのオーディオ・デコーダ３００は、図１および／または図２ａのオーディオ・デコーダ１００に対応してもよく、さらに、アクセス単位１１０のデコードされたメタデータ１２８から取られた一つまたは複数の拡張パラメータ３１０を使って、前記複数の低域信号１２３から複数の拡張された低域信号を決定するよう構成されている拡張ユニット３０１を有する。典型的には、前記一つまたは複数の拡張パラメータ３１０は、アクセス単位１１０内に含まれるSBR（たとえばA-SPX）メタデータと結合される。換言すれば、前記一つまたは複数の拡張パラメータ３１０は、典型的には、オーディオ信号の、SBRメタデータと同じ抜粋または一部分に適用可能である。

上記で概説したように、アクセス単位１１０のメタデータ１１２は典型的には、オーディオ信号のフレームの波形データ１１１と関連付けられている。ここで、前記フレームは、あらかじめ決定された数N個のサンプルを有する。SBRメタデータは典型的には、複数の低域信号（複数の波形サブバンド信号とも称される）に基づいて決定される。ここで、前記複数の低域信号はQMF分解（QMF analysis）を使って決定されてもよい。QMF分解は、オーディオ信号のフレームの時間‐周波数表現を与える。特に、オーディオ信号のフレームのN個のサンプルは、それぞれがN/Q個の時間スロットまたはスロットを有するQ個（たとえばQ＝64）の低域信号によって表現されうる。N＝2048サンプルをもつフレームについて、Q＝64について、各低域信号はN/Q＝32個のスロットを有する。

ある特定のフレーム内の過渡信号の場合、直後のフレームのサンプルに基づいてSBRメタデータを決定することが有益でありうる。この特徴は、SBR先読み〔ルックアヘッド〕と称される。特に、SBRメタデータは、直後のフレームからのあらかじめ決定された数のスロットに基づいて決定されてもよい。例として、直後のフレームの6個までのスロットが考慮に入れられてもよい（すなわち、Q*6＝384サンプル）。

SBR先読みの使用は、SBRまたはHFR方式のために異なるフレーム構成４００、４３０を使うオーディオ信号のフレーム４０１、４０２、４０３のシーケンスを示す図４に示されている。フレーム構成４００の場合、SBR/HFR方式は、SBR先読みによって提供される柔軟性を利用しない。にもかかわらず、SBR先読みの使用を可能にするために、固定したオフセット、すなわち固定したSBR先読み遅延４８０が使われる。図示した例では、固定したオフセットは6個の時間スロットに対応する。この固定したオフセット４８０の結果として、特定のフレーム４０２の特定のアクセス単位１１０のメタデータ１１２は、その特定のアクセス単位１１０に先行する（かつ直前のフレーム４０１に関連付けられている）アクセス単位１１０内に含まれる波形データ１１１の諸時間スロットに部分的に適用可能である。これは、SBRメタデータ４１１、４１２、４１３とフレーム４０１、４０２、４０３の間のオフセットによって示される。よって、アクセス単位１１０内に含まれるSBRメタデータ４１１、４１２、４１３は、SBR先読み遅延４８０だけオフセットされている波形データ１１１に適用可能であってもよい。SBRメタデータ４１１、４１２、４１３は波形データ１１１に適用されて、再構成されたフレーム４２１、４２２、４２３を提供する。

フレーム構成４３０は、SBR先読みを利用する。たとえばフレーム４０１内での過渡成分の生起に起因して、SBRメタデータ４３１は波形データ１１１の32個より多い時間スロットに適用可能であることが見て取れる。他方、後続のSBRメタデータ４３２は、波形データ１１１の32個より少ない時間スロットに適用可能である。SBRメタデータ４３３は再び32個の時間スロットに適用可能である。よって、SBR先読みは、SBRメタデータの時間分解能に関して柔軟性を許容する。SBR先読みの使用に関わりなく、かつSBRメタデータ４３１、４３２、４３３の適用可能性に関わりなく、再構成されたフレーム４２１、４２２、４２３はフレーム４０１、４０２、４０３に関して固定したオフセット４８０を使って生成される。

オーディオ・エンコーダが、前記SBRメタデータおよび前記一つまたは複数の拡張パラメータを、オーディオ信号の同じ抜粋または一部分を使って決定するよう構成されていてもよい。よって、SBRメタデータがSBR先読みを使って決定されるならば、同じSBR先読みについて前記一つまたは複数の拡張パラメータが決定されてもよく、適用可能であってもよい。特に、前記一つまたは複数の拡張パラメータは、対応するSBRメタデータ４３１、４３２、４３３と同数の時間スロットについて適用可能であってもよい。

拡張ユニット３０１は、前記複数の低域信号１２３に一つまたは複数の拡張利得を適用するよう構成されていてもよい。ここで、前記一つまたは複数の拡張利得は、典型的には、前記一つまたは複数の拡張パラメータ３１０に依存する。特に、前記一つまたは複数の拡張パラメータ３１０は、前記一つまたは複数の拡張利得を決定するために使われる一つまたは複数の圧縮／拡張規則に対する影響を有することがありうる。換言すれば、前記一つまたは複数の拡張パラメータ３１０は、対応するオーディオ・エンコーダの圧縮ユニットによって使用された圧縮関数を示してもよい。前記一つまたは複数の拡張パラメータ３１０は、オーディオ・デコーダがこの圧縮関数の逆を決定することを可能にしてもよい。

前記一つまたは複数の拡張パラメータ３１０は、対応するオーディオ・エンコーダが前記複数の低域信号を圧縮したか否かを示す第一の拡張パラメータを有していてもよい。圧縮が適用されていなければ、オーディオ・デコーダによって拡張は適用されない。よって、第一の拡張パラメータは、圧伸機能をオンまたはオフにするために使用されうる。

代替的または追加的に、前記一つまたは複数の拡張パラメータ３１０は、マルチチャネル・オーディオ信号のチャネルの全部に同じ一つまたは複数の拡張利得が適用されるべきか否かを示す第二の拡張パラメータを有していてもよい。よって、第二の拡張パラメータは、圧伸機能の、チャネル毎またはマルチチャネル毎の適用の間で切り換えうる。

代替的または追加的に、前記一つまたは複数の拡張パラメータ３１０は、フレームのすべての時間スロットについて同じ一つまたは複数の拡張利得を適用するべきか否かを示す第三の拡張パラメータを有していてもよい。よって、第三の拡張パラメータは、圧伸機能の時間分解能を制御するために使用されうる。

前記一つまたは複数の拡張パラメータ３１０を使って、拡張ユニット３０１は、対応するオーディオ・エンコーダにおいて適用された圧縮関数の逆を適用することによって、前記複数の拡張された低域信号を決定してもよい。対応するオーディオ・エンコーダにおいて適用された圧縮関数は、前記一つまたは複数の拡張パラメータ３１０を使ってオーディオ・デコーダ３００に信号伝達される。

拡張ユニット３０１は、先読み遅延ユニット１０４の下流に位置されてもよい。これは、前記一つまたは複数の拡張パラメータ３１０が前記複数の低域信号１２３の正しい部分に適用されることを保証する。特に、これは、前記一つまたは複数の拡張パラメータ３１０が（SBR適用ユニット１０６内で）前記複数の低域信号の、SBRパラメータと同じ部分に適用されることを保証する。よって、拡張がSBR方式と同じ時間フレーム構成４００、４３０に対して作用することが保証される。SBR先読みに起因して、フレーム構成４００、４３０は可変数の時間スロットを有していてもよく、結果として、拡張は、可変数の時間スロットに対して作用してもよい（図４のコンテキストで概説したように）。拡張ユニット３０１を先読み遅延ユニット１０４の下流に配置することによって、前記一つまたは複数の拡張パラメータに対して正しいフレーム構成４００、４３０が適用されることが保証される。この結果として、接合点後でも、高品質オーディオ信号が保証されることができる。

図３ｂは、圧縮ユニット３５１を有するオーディオ・エンコーダ３５０の抜粋を示している。オーディオ・エンコーダ３５０は、図２ｂのオーディオ・エンコーダ２５０のコンポーネントを有していてもよい。圧縮ユニット３５１は、圧縮関数を使って、前記複数の低域信号を圧縮する（たとえば、そのダイナミックレンジを小さくする）よう構成されていてもよい。さらに、圧縮ユニット３５１は、圧縮ユニット３５１によって使用された圧縮関数を示す一つまたは複数の拡張パラメータ３１０を決定するよう構成されていてもよい。オーディオ・デコーダ３００の対応する拡張ユニット３０１が該圧縮関数の逆を適用できるようにするためである。

前記複数の低域信号の圧縮は、SBR先読み２５８の下流で実行されてもよい。さらに、オーディオ・エンコーダ３５０は、SBRメタデータが、前記オーディオ信号の、前記一つまたは複数の拡張パラメータ３１０と同じ部分について決定されることを保証するよう構成されているSBRフレーム構成ユニット３５３を有していてもよい。換言すれば、SBRフレーム構成ユニット３５３は、SBR方式が圧伸方式と同じフレーム構成４００、４３０に対して作用することを保証しうる。SBR方式が（たとえば過渡の場合）延長されたフレームに対して作用しうるという事実に鑑み、圧伸方式も（追加的な時間スロットを有する）延長されたフレームに対して作用しうる。

本稿では、オーディオ・エンコーダおよび対応するオーディオ・デコーダであって、オーディオ信号を、該オーディオ信号のセグメントのシーケンスに関連付けられている波形データおよびメタデータを含む時間整列されたAUのシーケンスにエンコードすることを許容するものが記述された。時間整列されたAUを使うことは、接合点における低減したアーチファクトをもつデータ・ストリームの接合を可能にする。さらに、オーディオ・エンコーダおよびオーディオ・デコーダは、接合可能なデータ・ストリームが計算効率のよい仕方で処理され、全体的な符号化遅延が低いままであるよう、設計される。

本稿で記載される方法およびシステムは、ソフトウェア、ファームウェアおよび／またはハードウェアとして実装されてもよい。ある種のコンポーネントは、たとえばデジタル信号プロセッサまたはマイクロプロセッサ上で走るソフトウェアとして実装されてもよい。他のコンポーネントはたとえば、ハードウェアおよびまたは特定用途向け集積回路として実装されてもよい。記載される方法およびシステムにおいて遭遇される信号は、ランダム・アクセス・メモリまたは光学式記憶媒体のような媒体上に記憶されてもよい。そうした信号は、電波ネットワーク、衛星ネットワーク、無線ネットワークもしくは有線ネットワーク、たとえばインターネットのようなネットワークを介して転送されてもよい。本稿で記載される方法およびシステムを利用する典型的な装置は、オーディオ信号を記憶および／またはレンダリングするために使用されるポータブル電子装置または他の消費者装置である。

次の箇条書実施例（ＥＥＥ: enumerated example embodiment）から本発明のさまざまな側面が理解されうる。
〔ＥＥＥ１〕
受領されたデータ・ストリームのアクセス単位からオーディオ信号の再構成されたフレームを決定するよう構成されたオーディオ・デコーダ（１００、３００）であって、前記アクセス単位は、波形データおよびメタデータを含み、前記波形データおよび前記メタデータは前記オーディオ信号の同じ再構成されたフレームに関連付けられており、当該オーディオ・デコーダは、
・前記波形データから複数の波形サブバンド信号を生成するよう構成された波形処理経路（１０１、１０２、１０３、１０４、１０５）と；
・前記メタデータから、デコードされたメタデータを生成するよう構成された、メタデータ処理経路（１０８、１０９）と；
・前記複数の波形サブバンド信号からおよび前記デコードされたメタデータから前記オーディオ信号の前記再構成されたフレームを生成するよう構成されたメタデータ適用および合成ユニット（１０６、１０７）とを有しており、
前記波形処理経路および／または前記メタデータ処理経路は、前記複数の波形サブバンド信号および前記デコードされたメタデータを時間整列させるよう構成された少なくとも一つの遅延ユニット（１０５、１０９）を有する、
オーディオ・デコーダ。
〔ＥＥＥ２〕
前記少なくとも一つの遅延ユニットは、前記複数の波形サブバンド信号および前記デコードされたメタデータを、前記波形処理経路の全体的な遅延がメタデータ処理経路の全体的な遅延に対応するよう時間整列させるよう構成されている、ＥＥＥ１記載のオーディオ・デコーダ。
〔ＥＥＥ３〕
前記少なくとも一つの遅延ユニットは、前記複数の波形サブバンド信号および前記デコードされたメタデータを時間整列させて、前記複数の波形サブバンド信号および前記デコードされたメタデータが、前記メタデータ適用および合成ユニットによって実行される処理のためにちょうど間に合うタイミングで前記メタデータ適用および合成ユニットに提供されるようにするよう構成されている、ＥＥＥ１または２記載のオーディオ・デコーダ。
〔ＥＥＥ４〕
前記メタデータ処理経路は、前記オーディオ信号の前記再構成されたフレームのフレーム長Nの0より大きい整数倍だけ、前記デコードされたメタデータを遅延させるよう構成されたメタデータ遅延ユニット（１０９）を有する、ＥＥＥ１ないし３のうちいずれか一項記載のオーディオ・デコーダ。
〔ＥＥＥ５〕
前記整数倍は、前記メタデータ遅延ユニットによって導入される遅延が前記波形処理経路の処理によって導入される遅延より大きいようなものである、ＥＥＥ４記載のオーディオ・デコーダ。
〔ＥＥＥ６〕
前記整数倍は、960より大きいフレーム長Nについては1であり、前記整数倍は960以下のフレーム長Nについては2である、ＥＥＥ４または５記載のオーディオ・デコーダ。
〔ＥＥＥ７〕
前記波形処理経路は、前記波形処理経路の全体的な遅延が前記オーディオ信号の前記再構成されたフレームのフレーム長Nの0より大きな整数倍に対応するよう、前記複数の波形サブバンド信号を遅延させるよう構成された波形遅延ユニット（１０５）を有する、ＥＥＥ１ないし６のうちいずれか一項記載のオーディオ・デコーダ。
〔ＥＥＥ８〕
前記波形処理経路は、
・前記波形信号を示す複数の周波数係数（１２１）を提供するよう前記波形データ（１１１）をデコードし、量子化解除するよう構成されたデコードおよび量子化解除ユニット（１０１）と；
・前記複数の周波数係数から前記波形信号（１２２）を生成するよう構成された波形合成ユニット（１０２）と；
・前記波形信号から前記複数の波形サブバンド信号を生成するよう構成された分解ユニット（１０３）とを有する、
ＥＥＥ１ないし７のうちいずれか一項記載のオーディオ・デコーダ。
〔ＥＥＥ９〕
・前記波形合成ユニットは、周波数領域から時間領域への変換を実行するよう構成されており；
・前記分解ユニットは、時間領域からサブバンド領域への変換を実行するよう構成されており；
・前記波形合成ユニットによって実行される変換の周波数分解能は、前記分解ユニットによって実行される変換の周波数分解能より高い、
ＥＥＥ８記載のオーディオ・デコーダ。
〔ＥＥＥ１０〕
・前記波形合成ユニットは、逆修正離散コサイン変換を実行するよう構成されており；
・前記分解ユニットは、直交ミラー・フィルタ・バンクを適用するよう構成されている、
ＥＥＥ９記載のオーディオ・デコーダ。
〔ＥＥＥ１１〕
・前記波形合成ユニットは、前記オーディオ信号の前記再構成されたフレームのフレーム長Nに依存する遅延を導入する；および／または
・前記分解ユニットは、前記オーディオ信号の前記再構成されたフレームのフレーム長Nとは独立である固定遅延を導入する、
ＥＥＥ８ないし１０のうちいずれか一項記載のオーディオ・デコーダ。
〔ＥＥＥ１２〕
・前記波形合成ユニットによって導入される遅延は、フレーム長Nの半分に対応する；および／または
・前記分解ユニットによって導入される固定遅延は、前記オーディオ信号の320サンプルに対応する、
ＥＥＥ１１記載のオーディオ・デコーダ。
〔ＥＥＥ１３〕
前記波形処理経路の全体的な遅延が、メタデータと波形データとの間のあらかじめ決定された先読みに依存する、ＥＥＥ８ないし１２のうちいずれか一項記載のオーディオ・デコーダ。
〔ＥＥＥ１４〕
前記あらかじめ決定された先読みは、前記オーディオ・サンプルの192または384サンプルに対応する、ＥＥＥ１３記載のオーディオ・デコーダ。
〔ＥＥＥ１５〕
・前記デコードされたメタデータは、一つまたは複数の拡張パラメータを含み；
・当該オーディオ・デコーダは、前記一つまたは複数の拡張パラメータを使って、前記複数の波形サブバンド信号に基づいて複数の拡張された波形サブバンド信号を生成するよう構成された拡張ユニットを有しており；
・前記オーディオ信号の前記再構成されたフレームは、前記複数の拡張された波形サブバンド信号から決定される、
ＥＥＥ１ないし１４のうちいずれか一項記載のオーディオ・デコーダ。
〔ＥＥＥ１６〕
・当該オーディオ・デコーダは、あらかじめ決定された先読みに従って前記複数の波形サブバンド信号を遅延させて、複数の遅延された波形サブバンド信号を生じるよう構成された先読み遅延ユニットを有しており；
・前記拡張ユニットは、前記複数の遅延された波形サブバンド信号を拡張することによって、前記複数の拡張された波形サブバンド信号を生成するよう構成されている、
ＥＥＥ１５記載のオーディオ・デコーダ。
〔ＥＥＥ１７〕
・前記拡張ユニットは、あらかじめ決定された圧縮関数の逆を使って前記複数の拡張された波形サブバンド信号を生成するよう構成されており；
・前記一つまたは複数の拡張パラメータは、前記あらかじめ決定された圧縮関数の逆を示す、
ＥＥＥ１５または１６記載のオーディオ・デコーダ。
〔ＥＥＥ１８〕
・前記メタデータ適用および合成ユニットは、前記複数の波形サブバンド信号の時間的な一部分について前記デコードされたメタデータを使うことによって前記オーディオ信号の前記再構成されたフレームを生成するよう構成されており；
・前記拡張ユニットは、前記複数の波形サブバンド信号の同じ時間的な一部分についての前記一つまたは複数の拡張パラメータを使うことによって、前記複数の拡張された波形サブバンド信号を生成するよう構成されている、
ＥＥＥ１５ないし１７のうちいずれか一項記載のオーディオ・デコーダ。
〔ＥＥＥ１９〕
前記複数の波形サブバンド信号の前記時間的な一部分の時間長は可変である、ＥＥＥ１８記載のオーディオ・デコーダ。
〔ＥＥＥ２０〕
前記波形遅延ユニットは前記波形信号を遅延させるよう構成されており、前記波形信号は時間領域で表現される、ＥＥＥ８ないし１９のうちいずれか一項記載のオーディオ・デコーダ。
〔ＥＥＥ２１〕
前記メタデータ適用および合成ユニットは、サブバンド領域において前記デコードされたメタデータおよび前記複数の波形サブバンド信号を処理するよう構成されている、ＥＥＥ１ないし２０のうちいずれか一項記載のオーディオ・デコーダ。
〔ＥＥＥ２２〕
・前記オーディオ信号の前記再構成されたフレームは、低域信号および高域信号を含み；
・前記複数の波形サブバンド信号は前記低域信号を示し；
・前記メタデータは前記高域信号のスペクトル包絡を示し；
・前記メタデータ適用および合成ユニットは、前記複数の波形サブバンド信号および前記デコードされたメタデータを使って、高周波再構成を実行するよう構成されているメタデータ適用ユニットを有する、
ＥＥＥ１ないし２１のうちいずれか一項記載のオーディオ・デコーダ。
〔ＥＥＥ２３〕
前記メタデータ適用ユニットは、
・前記複数の波形サブバンド信号の一つまたは複数を転移して複数の高域サブバンド信号を生成し；
・前記複数の高域サブバンド信号に前記デコードされたメタデータを適用して、複数のスケーリングされた高域サブバンド信号を提供するよう構成されており、
前記複数のスケーリングされた高域サブバンド信号は、前記オーディオ信号の前記再構成されたフレームの前記高域信号を示す、
ＥＥＥ２２記載のオーディオ・デコーダ。
〔ＥＥＥ２４〕
前記メタデータ適用および合成ユニットはさらに、前記複数の波形サブバンド信号からおよび前記複数のスケーリングされた高域サブバンド信号から、前記オーディオ信号の前記再構成されたフレームを生成するよう構成された合成ユニット（１０７）を有する、ＥＥＥ２３記載のオーディオ・デコーダ。
〔ＥＥＥ２５〕
前記合成ユニットは、前記分解ユニットによって実行された変換に関する逆変換を実行するよう構成されている、ＥＥＥ２４がＥＥＥ９を引用する場合のＥＥＥ２４記載のオーディオ・デコーダ。
〔ＥＥＥ２６〕
オーディオ信号のフレームをデータ・ストリームのアクセス単位にエンコードするよう構成されたオーディオ・エンコーダ（２５０、３５０）であって、前記アクセス単位は波形データおよびメタデータを含み、前記波形データおよび前記メタデータは、前記オーディオ信号の前記フレームの再構成されたフレームを示し、当該オーディオ・エンコーダは、
・前記オーディオ信号の前記フレームから前記波形データを生成するよう構成された波形処理経路（２５１、２５２、２５３、２５４、２５５）と；
・前記オーディオ信号の前記フレームから前記メタデータを生成するよう構成されたメタデータ処理経路（２５６、２５７、２５８、２５９、２６０）とを有し、
前記波形処理経路および／または前記メタデータ処理経路は、前記オーディオ信号の前記フレームについての前記アクセス単位が前記オーディオ信号の同じフレームについての前記波形データおよび前記メタデータを含むよう、前記波形データおよび前記メタデータを時間整列させるよう構成された少なくとも一つの遅延ユニットを有する、
オーディオ・エンコーダ。
〔ＥＥＥ２７〕
前記少なくとも一つの遅延ユニット（２５２、２５６）は、前記波形データおよび前記メタデータを時間整列して、前記波形処理経路の全体的な遅延がメタデータ処理経路の全体的な遅延に対応するようにするよう構成されている、ＥＥＥ２６記載のオーディオ・エンコーダ。
〔ＥＥＥ２８〕
前記少なくとも一つの遅延ユニットは、前記波形データおよび前記メタデータを時間整列させて、前記波形データおよび前記メタデータが、前記波形データおよび前記メタデータから単一のアクセス単位を生成するためにちょうど間に合うタイミングで当該オーディオ・エンコーダのアクセス単位生成ユニットに提供されるようにするよう構成されている、ＥＥＥ２６または２７記載のオーディオ・エンコーダ。
〔ＥＥＥ２９〕
前記波形処理経路は、前記波形処理経路中に少なくとも一つの遅延を挿入するよう構成された波形遅延ユニット（２５２）を有する、ＥＥＥ２６ないし２８のうちいずれか一項記載のオーディオ・エンコーダ。
〔ＥＥＥ３０〕
・前記オーディオ信号の前記フレームは、低域信号および高域信号を含み；
・前記波形データは前記低域信号を示し；
・前記メタデータは前記高域信号のスペクトル包絡を示し；
・前記波形処理経路は、前記低域信号から前記波形データを生成するよう構成されており；
・前記メタデータ処理経路は、前記低域信号および前記高域信号から前記メタデータを生成するよう構成されている、
ＥＥＥ２６ないし２９のうちいずれか一項記載のオーディオ・エンコーダ。
〔ＥＥＥ３１〕
・当該オーディオ・エンコーダは、前記オーディオ信号の前記フレームから複数のサブバンド信号を生成するよう構成された分解ユニットを有しており；
・前記複数のサブバンド信号は前記低域信号を示す複数の低域信号を含み；
・当該オーディオ・エンコーダは、圧縮関数を使って前記複数の低域信号を圧縮し、複数の圧縮された低域信号を提供するよう構成された圧縮ユニットを有しており；
・前記波形データは、前記複数の圧縮された低域信号を示し；
・前記メタデータは、前記圧縮ユニットによって使われた圧縮関数を示す、
ＥＥＥ３０記載のオーディオ・エンコーダ。
〔ＥＥＥ３２〕
前記高域信号のスペクトル包絡を示すメタデータが、前記オーディオ信号の、前記圧縮関数を示すメタデータと同じ部分に適用可能である、ＥＥＥ３１記載のオーディオ・エンコーダ。
〔ＥＥＥ３３〕
オーディオ信号のフレームのシーケンスについてそれぞれアクセス単位のシーケンスを含むデータ・ストリームであって、アクセス単位のシーケンスからのアクセス単位は、波形データおよびメタデータを含み、前記波形データおよび前記メタデータは、前記オーディオ信号のフレームのシーケンスの同じ特定のフレームに関連しており、前記波形データおよび前記メタデータは、その特定のフレームの再構成されたバージョンを示す、データ・ストリーム。
〔ＥＥＥ３４〕
前記オーディオ信号の前記特定のフレームは、低域信号および高域信号を含み、前記波形データは前記低域信号を示し、前記メタデータは前記高域信号のスペクトル包絡を示す、ＥＥＥ３３記載のデータ・ストリーム。
〔ＥＥＥ３５〕
前記メタデータは、前記低域信号に適用された圧縮関数を示す、ＥＥＥ３３または３４記載のデータ・ストリーム。
〔ＥＥＥ３６〕
受領されたデータ・ストリームのアクセス単位からオーディオ信号の再構成されたフレームを決定する方法であって、前記アクセス単位は、波形データおよびメタデータを含み、前記波形データおよび前記メタデータは前記オーディオ信号の同じ再構成されたフレームに関連付けられており、当該方法は：
・前記波形データから複数の波形サブバンド信号を生成し；
・前記メタデータから、デコードされたメタデータを生成し；
・前記複数の波形サブバンド信号および前記デコードされたメタデータを時間整列させ；
・時間整列された複数の波形サブバンド信号およびデコードされたメタデータから、前記オーディオ信号の前記再構成されたフレームを生成することを含む、
方法。
〔ＥＥＥ３７〕
オーディオ信号のフレームをデータ・ストリームのアクセス単位にエンコードする方法であって、前記アクセス単位は波形データおよびメタデータを含み、前記波形データおよび前記メタデータは前記オーディオ信号の前記フレームの再構成されたフレームを示し、当該方法は：
・前記オーディオ信号の前記フレームから前記波形データを生成し；
・前記オーディオ信号の前記フレームから前記メタデータを生成し；
・前記波形データおよび前記メタデータを、前記オーディオ信号の前記フレームについての前記アクセス単位が前記オーディオ信号の同じフレームについての前記波形データおよび前記メタデータを含むよう時間整列させることを含む、
方法。

Claims (1)

1. 受領されたデータ・ストリームのアクセス単位からオーディオ信号の再構成されたフレームを決定するよう構成されたオーディオ・デコーダであって、前記アクセス単位は、波形データおよびメタデータを含み、前記波形データおよび前記メタデータは前記オーディオ信号の同じ再構成されたフレームに関連付けられており、当該オーディオ・デコーダは、
   ・前記波形データから複数の波形サブバンド信号を生成するよう構成された波形処理経路と；
   ・前記メタデータから、デコードされたメタデータを生成するよう構成された、メタデータ処理経路と；
   ・前記複数の波形サブバンド信号からおよび前記デコードされたメタデータから前記オーディオ信号の前記再構成されたフレームを生成するよう構成されたメタデータ適用および合成ユニットとを有しており、
   前記波形処理経路が時間領域で表現されている波形信号に対して波形遅延を適用するよう構成された波形遅延ユニットを有し、および／または前記メタデータ処理経路がメタデータ遅延ユニットを有し、
   前記波形遅延ユニットおよび／または前記メタデータ遅延ユニットは、前記複数の波形サブバンド信号および前記デコードされたメタデータを時間整列させるよう構成されており、
   前記オーディオ信号の前記再構成されたフレームのフレーム長Nとは独立である固定遅延が導入される、
   オーディオ・デコーダ。

Images