JP3632891B2

JP3632891B2 - Audio signal transmission method, audio disc, encoding device, and decoding device

Info

Publication number: JP3632891B2
Application number: JP26901798A
Authority: JP
Inventors: 美昭田中; 弘明鈴木
Original assignee: Victor Company of Japan Ltd
Current assignee: Victor Company of Japan Ltd
Priority date: 1998-09-07
Filing date: 1998-09-07
Publication date: 2005-03-23
Anticipated expiration: 2018-09-07
Also published as: JP2000090582A

Description

【０００１】
【発明の属する技術分野】
本発明は、マルチチャネルを２チャネルにダウンミックス（ミックスダウンともいう）して再生するためのオーディオ信号の伝送方法、オーディオディスク、エンコード装置及びデコード装置に関し、例えばカラオケシステムに好適なオーディオ信号の伝送方法、オーディオディスク、エンコード装置及びデコード装置に関する。
【０００２】
【従来の技術】
一般に、ＣＤなどの記録媒体には音楽ソースが２チャネルのオーディオデータで記録されるが、マルチチャネルに記録してもよく、この場合には２チャネルに比べてマルチチャネルのデータ量が膨大になるので、演奏時間（記録時間）が減少する。そこで、ＣＤより記録容量が大きいＤＶＤビデオにマルチチャネルデータを記録すれば演奏時間（記録時間）が長くなるので、長時間の音楽ソースを記録することができ、したがって、例えばカラオケシステムにおける楽曲データを記録する場合に好適である。
【０００３】
従来、カラオケ用楽曲データをマルチチャネルで媒体を介して伝送する方法としては、例えば特開平９−４６７９９号公報（特許番号第２７６６４６６号）に示されるように、一般的なサラウンドシステムをカラオケなどの特殊用途に用いるために、音楽ソースの主チャネル及び従チャネルを含むマルチチャネル信号とともに、その音楽ソースが通常のマルチチャネルモードであるか、又はカラオケなどの特殊用途モードであるかを再生装置に伝送する方法が提案されている。また、この方法では音楽ソースがドルビーＡＣ−３方式で圧縮されて伝送される。
【０００４】
そして、この方法では、デコーダ側はサラウンド用ミキシング係数発生器と特殊用途（カラオケ）用ミキシング係数発生器を備え、伝送データからマルチチャネルモードを検出した場合には主チャネル及び従チャネルの両方が出力されるように、そのままマルチチャネルで出力したり、主チャネル及び従チャネルに対して所定のサラウンド用ミキシング係数を乗算して２チャネルにダウンミックスして出力し、他方、特殊用途モードの場合には、例えば伴奏チャネルのみを再生してボーカルチャネルを再生しないように、主チャネル及び従チャネルに対して所定の特殊用途用ミキシング係数を乗算してマルチチャネル又はダウンミックス２チャネルで出力する。
【０００５】
【発明が解決しようとする課題】
しかしながら、上記従来の方法では、デコーダ側が特殊用途モードを検出した場合に特殊用途用ミキシング係数発生器の係数を各チャネルに乗算するので、ユーザの所望のミキシング具合で再生することができず、また、ユーザが係数を変更可能にすると、このミキシング操作が熟練度を要するので操作が面倒となるという問題点がある。また、ユーザにとって伴奏とボーカルを含む通常の音楽ソースから伴奏のみを再生し、ボーカルを再生しないようにしてカラオケとして再生することができない。
【０００６】
また、上記従来の方法では、一般的なサラウンドシステムをカラオケなどの特殊用途に用いるために、その音楽ソースが通常のマルチチャネルモードであるか、又はカラオケなどの特殊用途モードであるかを示す情報を伝送するので、その音楽ソースがマルチチャネルモードか又は特殊用途モードかがあらかじめソース提供者により決められており、したがって、ユーザにとって自由度がない。また、上記従来例では、再生装置が通常のマルチチャネルモードであるか、又はカラオケなどの特殊用途モードであるかを検出しなければならないので、この検出機能を持たない再生装置は特殊用途モードで再生することができない。さらに、上記従来例では、音楽ソースをドルビーＡＣ−３方式で圧縮して伝送するので音質が悪い。
【０００７】
本発明は上記従来例の問題点に鑑み、マルチチャネルを２チャネルにダウンミックスして再生する場合にユーザにとって使い勝手が良いオーディオ信号の伝送方法、オーディオディスク、エンコード装置及びデコード装置を提供することを目的とする。
【０００８】
【課題を解決するための手段】
本発明は上記目的を達成するために、例えば伴奏音楽などの第１のオーディオ信号とボーカル音楽などの第２のオーディオ信号を含むマルチチャネル信号をステレオ２チャネルにダウンミックスするための最適な係数を記録媒体や通信媒体を介して伝送するようにしたものである。
【０００９】
すなわち本発明によれば、少なくとも２チャネルの第１のオーディオ信号と少なくとも１チャネルの第２のオーディオ信号を含むマルチチャネル信号と、前記マルチチャネル信号をステレオ２チャネルにダウンミックスして前記第１、第２のオーディオ信号の両方を再生するための第１の係数と、前記マルチチャネル信号をステレオ２チャネルにダウンミックスして前記第１のオーディオ信号を再生して前記第２のオーディオ信号を再生しないための第２の係数を伝送するステップと、
前記第１の係数に基づいて前記マルチチャネル信号をダウンミックスして前記第１、第２のオーディオ信号の両方を含むステレオ２チャネル信号を生成するモード又はタイトルと、前記第２の係数に基づいて前記マルチチャネル信号をダウンミックスして前記第１のオーディオ信号を含み、前記第２のオーディオ信号を含まないステレオ２チャネル信号を生成するモード又はタイトルの１つを選択するステップと、
前記選択されたモード又はタイトルでマルチチャネル信号をステレオ２チャネル信号にダウンミックスするステップとを、
有するオーディオ信号の伝送方法が提供される。
【００１０】
また本発明によれば、少なくとも２チャネルの第１のオーディオ信号と少なくとも１チャネルの第２のオーディオ信号を含むマルチチャネル信号と、
前記マルチチャネル信号をステレオ２チャネルにダウンミックスして前記第１、第２のオーディオ信号の両方を再生するための第１の係数と、
前記マルチチャネル信号をステレオ２チャネルにダウンミックスして前記第１のオーディオ信号を再生して前記第２のオーディオ信号を再生しないための第２の係数とを、
有するデータ構造が記録されたオーディオディスクが提供される。
【００１１】
また本発明によれば、音楽ソースを少なくとも２チャネルの第１のオーディオ信号と少なくとも１チャネルの第２のオーディオ信号を含むマルチチャネル信号と、前記マルチチャネル信号をステレオ２チャネルにダウンミックスして前記第１、第２のオーディオ信号の両方を再生するための第１の係数と、前記マルチチャネル信号をステレオ２チャネルにダウンミックスして前記第１のオーディオ信号を再生して前記第２のオーディオ信号を再生しないための第２の係数を有するデータ構造にフォーマット化する手段を、
有するエンコード装置が提供される。
【００１２】
また本発明によれば、少なくとも２チャネルの第１のオーディオ信号と少なくとも１チャネルの第２のオーディオ信号を含むマルチチャネル信号と、前記マルチチャネル信号をステレオ２チャネルにダウンミックスして前記第１、第２のオーディオ信号の両方を再生するための第１の係数と、前記マルチチャネル信号をステレオ２チャネルにダウンミックスして前記第１のオーディオ信号を再生して前記第２のオーディオ信号を再生しないための第２の係数を有するデータ構造をデコードするデコード装置であって、
前記第１の係数に基づいて前記マルチチャネル信号をダウンミックスして前記第１、第２のオーディオ信号の両方を含むステレオ２チャネル信号を生成するモード又はタイトルと、前記第２の係数に基づいて前記マルチチャネル信号をダウンミックスして前記第１のオーディオ信号を含み、前記第２のオーディオ信号を含まないステレオ２チャネル信号を生成するモード又はタイトルの１つを選択する手段と、
前記選択されたモード又はタイトルでマルチチャネル信号をステレオ２チャネル信号にダウンミックスする手段とを、
有するデコード装置が提供される。
【００１３】
【発明の実施の形態】
以下、図面を参照して本発明の実施の形態を説明する。
図１は一例としてＤＶＤオーディオディスクの基本フォーマットを示している。この基本フォーマットはＡＴＳ（オーディオ・タイトルセット）を有し、このＡＴＳは、先頭から順に
・ＡＴＳＩ（ＡＴＳインフォメーション）と、
・図２〜図６に詳しく示すオーディオ・オンリ・タイトル用のオーディオ・オブジェクト・セット（ＡＯＴＴ−ＡＯＢＳ）と
・バックアップ用のＡＴＳＩにより構成されている。
【００１４】
ＡＴＳＩは先頭から順に
・図７〜図１１に詳しく示すＡＴＳＩ−ＭＡＴ（ＡＴＳＩマネージメント・テーブル）と
・図１２〜図２４に詳しく示すＡＴＳ−ＰＧＣＩＴ（ＡＴＳプログラム・チェーン・インフォメーション・テーブル）により構成されている。
【００１５】
ＡＯＴＴ−ＡＯＢＳは図２に詳しく示すように、複数のオーディオ・オンリ・タイトル用のオーディオ・オブジェクト（ＡＯＴＴ−ＡＯＢ）により構成されている。ＡＯＴＴ−ＡＯＢの各々は複数のプログラム（ＰＧ）により構成され、プログラムの各々は複数のセル（ＡＴＳ−Ｃ）により構成されている。ＡＯＴＴ−ＡＯＢは、オーディオデータのみを含むものと、オーディオデータ及びリアル・タイム・インフォメーション・データ（ＲＴＩデータ）を含むものと、オーディオデータ、スチル・ピクチャ・データ（ＳＰＣＴデータ）及びＲＴＩデータを含むものの３種類のＡＯＴＴ−ＡＯＢにより構成されている。そして、１枚のディスク中や１曲中に１種類以上のＡＯＴＴ−ＡＯＢが配置される。
【００１６】
オーディオデータのみを含む第１のＡＯＴＴ−ＡＯＢの各プログラムは複数のオーディオセル（ＡＴＳ−Ｃ）により構成され、このオーディオセルは複数のオーディオパックのみにより構成されている。オーディオデータ及びＲＴＩデータを含む第２のＡＯＴＴ−ＡＯＢの各プログラムは複数のオーディオセル（ＡＴＳ−Ｃ）により構成され、このオーディオセルは２番目のパック位置に配置されたＲＴＩパックと、他のパック位置に配置されたオーディオパックにより構成されている。
【００１７】
また、オーディオデータ、ＳＰＣＴデータ及びＲＴＩデータを含む第３のＡＯＴＴ−ＡＯＢの各プログラムは先頭から順にピクチャセルと、サイレントセルとオーディオセルにより構成されている。そして、ピクチャセルは複数のＳＰＣＴパックのみにより構成され、サイレントセルは複数のオーディオパック（無音）のみにより構成され、このオーディオセルは２番目のパック位置に配置されたＲＴＩパックと、他のパック位置に配置されたオーディオパックにより構成されている。
【００１８】
リニアＰＣＭのＡパックは２０４８バイト以下で構成され、その内訳は図３に示すように１４バイトのパックヘッダとＡパケットにより構成されている。Ａパケットは１７、９又は１４バイトのパケットヘッダと、図４に詳しく示すプライベートヘッダと、１ないし２０１１バイトのオーディオデータ（リニアＰＣＭ）により構成されている。
【００１９】
プライベートヘッダは、図４に示すように
・８ビットのサブストリームＩＤと、
・３ビットの保留領域と、
・５ビットのＵＰＣ／ＥＡＮ−ＩＳＲＣ（ＵｎｉｖｅｒｓａｌＰｒｏｄｕｃｔＣｏｄｅ／ＥｕｒｏｐｅａｎＡｒｔｉｃｌｅＮｕｍｂｅｒ−ＩｎｔｅｒｎａｔｉｏｎａｌＳｔａｎｄａｒｄＲｅｃｏｒｄｉｎｇＣｏｄｅ）番号と、
・８ビットのＵＰＣ／ＥＡＮ−ＩＳＲＣデータと、
・８ビットのプライベートヘッダ長と、
・１６ビットの第１アクセスユニットポインタと、
・８バイトのオーディオデータインフォメーション（ＡＤＩ）と
・０〜８バイトのスタッフィングバイト
により構成されている。
【００２０】
ＡＤＩは
・１ビットのオーディオ・エンファシス・フラグと、
・１ビットの保留領域と、
・１ビットのダウンミックスモードと、
・１ビットのダウンミックスコード有効性と、
・４ビットのダウンミックスコードと、
・４ビットのグループ「１」の量子化ワード長「１」と、
・４ビットのグループ「２」の量子化ワード長「２」と、
・４ビットのグループ「１」のオーディオ・サンプリング周波数ｆｓ１と、
・４ビットのグループ「２」のオーディオ・サンプリング周波数ｆｓ２と、
・４ビットの保留領域と、
・４ビットのマルチチャネルタイプと、
・３ビットのチャネルグループ「２」のビットシフトデータ（図６参照）と、
・５ビットのチャネル割り当て情報（図１２参照）と、
・８ビットのダイナミックレンジ制御情報と、
・８×２ビットの保留領域
により構成されている。
【００２１】
次に図５を参照してＲＴＩパックの構成を詳しく説明する。このパックは１４バイトのパックヘッダとＲＴＩパケットにより構成され、ＲＴＩパケットは１７又は１４バイトのパケットヘッダと、ＲＴＩプライベートヘッダと、１ないし２０１５バイトのＲＴＩデータにより構成されている。ＲＴＩデータはオーディオデータに関する文字情報や再生制御情報である。
【００２２】
ＲＴＩパケットのプライベートヘッダは、
・１バイトのサブストリームＩＤと、
・２バイトのＵＰＣ／ＥＡＮ−ＩＳＲＣ番号及びデータ（図ではこれらを単にＩＳＲＣと表記）と、
・１バイトのプライベートヘッダ長と、
・１バイトのＲＴＩ情報ＩＤと、
・０〜７バイトのスタッフィングバイト
により構成されている。
上記ＵＰＣ／ＥＡＮ−ＩＳＲＣ番号及びデータは、ＳＰＣＴパックに収められるスチルピクチャの著作権に関するＵＰＣ／ＥＡＮ−ＩＳＲＣ番号及びデータである。
【００２３】
ＳＰＣＴパックは図６に詳しく示すように、１４バイトのパックヘッダとＳＰＣＴパケットにより構成され、ＳＰＣＴパケットは２２又は１９又は９バイトのパケットヘッダと２０２５バイト以下のＳＰＣＴ（スチル・ピクチャ）データにより構成されている。ここで、１枚の静止画はＭＰＥＧ１又はＭＰＥＧ２方式で圧縮されてＩピクチャとイントラ・コーデッド・ピクチャにより構成され、１つのピクチャセル内で分割されてＳＰＣＴパックのＳＰＣＴデータとして配置される。
ＳＰＣＴパックのパケットヘッダ内に、ＲＴＩパックで説明したようにスチルピクチャの著作権に関するＵＰＣ／ＥＡＮ−ＩＳＲＣ番号及びデータを含めてもよい。
【００２４】
図１に示したＡＴＳＩ−ＭＡＴは、図７に詳しく示すように２０４８バイト（リラティブ・バイト・ポジションＲＢＰ０〜２０４７）で構成され、先頭から順に
・１２バイト（ＲＢＰ０〜１１）のＡＴＳ識別子（ＡＴＳ−ＩＤ）と、
・４バイト（ＲＢＰ１２〜１５）のＡＴＳのエンドアドレス（ＡＴＳ−ＥＡ）と、
・１２バイト（ＲＢＰ１６〜２７）の保留領域と、
・４バイト（ＲＢＰ２８〜３１）のＡＴＳＩのエンドアドレス（ＡＴＳＩ−ＥＡ）と、
・２バイト（ＲＢＰ３２〜３３）のバージョン番号（ＶＥＲＮ）と、
・９４バイト（ＲＢＰ３４〜１２７）の保留領域と、
・４バイト（ＲＢＰ１２８〜１３１）のＡＴＳＩ−ＭＡＴのエンドアドレスと、
・６０バイト（ＲＢＰ１３２〜１９１）の保留領域と、
・４バイト（ＲＢＰ１９２〜１９５）のＡＯＴＴ用のＶＴＳのスタートアドレスと、
・４バイト（ＲＢＰ１９６〜１９９）のＡＯＴＴ用のＡＯＢＳのスタートアドレス又はＡＯＴＴ用のＶＯＢＳのスタートアドレスと、
・４バイト（ＲＢＰ２００〜２０３）の保留領域と、
・４バイト（ＲＢＰ２０４〜２０７）のＡＴＳ−ＰＧＣＩＴのスタートアドレスと、
・４８バイト（ＲＢＰ２０８〜２５５）の保留領域と、
・１２８（１６×８）バイト（ＲＢＰ２５６〜３８３）のＡＯＴＴ用のＡＯＢのアトリビュート（ＡＯＴＴ−ＡＯＢ−ＡＴＲ）又はＡＯＴＴ用のＶＯＢのオーディオストリームのアトリビュート（ＡＯＴＴ−ＶＯＢ−ＡＳＴ−ＡＴＲ）と、
・２８８（１８×８）バイト（ＲＢＰ３８４〜６７１）の、マルチチャネルオーディオデータを２チャネルにダウンミックスするための係数（ＡＴＳ−ＤＭ−ＣＯＥＦＴ＃０〜＃１５）と、
・３２バイト（ＲＢＰ６７２〜７０３）の保留領域と、
・２バイト（ＲＢＰ７０４〜７０５）の、ＡＯＴＴ用のＡＯＢＳにおけるスチルピクチャデータのアトリビュート（ＡＴＳ−ＳＰＣＴ−ＡＴＲ）と、
・１３４２バイト（ＲＢＰ７０６〜２０４７）の保留領域により構成されている。
【００２５】
１２８（１６×８）バイト（ＲＢＰ２５６〜３８３）のエリアには、このＡＴＳがＡＯＴＴ用のＡＯＢＳを有する場合には、図８に詳しく示すＡＯＴＴ−ＡＯＢ−ＡＴＲが記述される。このＡＯＴＴ−ＡＯＢ−ＡＴＲ（ｂ１２７〜ｂ０）は、ＭＳＢ側から順に
・８ビット（ｂ１２７〜ｂ１２０）のオーディオ符号化モードと、
・８ビット（ｂ１１９〜ｂ１１２）の保留領域と、
・４ビット（ｂ１１１〜ｂ１０８）のチャネルグループ「１」の量子化ビット数Ｑ１と、
・４ビット（ｂ１０７〜ｂ１０４）のチャネルグループ「２」の量子化ビット数Ｑ２と、
・４ビット（ｂ１０３〜ｂ１００）のチャネルグループ「１」のサンプリング周波数ｆｓ１と、
・４ビット（ｂ９９〜ｂ９６）のチャネルグループ「２」のサンプリング周波数ｆｓ２と、
・３ビット（ｂ９５〜ｂ９３）のマルチチャネル構造のタイプと、
・５ビット（ｂ９２〜ｂ８８）のチャネル割り当てと、
・８ビット×１１（ｂ８７〜ｂ０）の保留領域により構成されている。
【００２６】
これに対し、このＡＴＳがＡＯＴＴ用のＡＯＢＳを有しない場合には、図９に示すＡＯＴＴ−ＶＯＢ−ＡＳＴ−ＡＴＲが記述される。このＡＯＴＴ−ＶＯＢ−ＡＳＴ−ＡＴＲ（ｂ１２７〜ｂ０）は、ＭＳＢ側から順に
・８ビット（ｂ１２７〜ｂ１２０）のオーディオ符号化モードと、
・８ビット（ｂ１１９〜ｂ１１２）の保留領域と、
・４ビット（ｂ１１１〜ｂ１０８）の量子化ビット数Ｑと、
・４ビット（ｂ１０７〜ｂ１０４）の保留領域と、
・４ビット（ｂ１０３〜ｂ１００）のサンプリング周波数ｆｓと、
・４ビット（ｂ９９〜ｂ９６）の保留領域と、
・３ビット（ｂ９５〜ｂ９３）のマルチチャネル構造のタイプと、
・５ビット（ｂ９２〜ｂ８８）のチャネル割り当てと、
・３ビット（ｂ８７〜ｂ８５）のデコーディング・オーディオ・ストリーム数と、
・５ビット（ｂ８４〜ｂ８０）の保留領域と、
・２ビット（ｂ７９、ｂ７８）のＭＰＥＧオーディオ用ＤＲＣと、
・２ビット（ｂ７７、ｂ７６）の保留領域と、
・４ビット（ｂ７５〜ｂ７２）の圧縮オーディオチャネル数と、
・８ビット×９（ｂ７１〜ｂ０）の保留領域により構成されている。
【００２７】
上記データを以下に詳しく示す。
（１）オーディオ符号化モード（ｂ１２７〜ｂ１２０）
００００００００ｂ：リニアＰＣＭモード
０００００００１ｂ：圧縮オーディオ（ドルビーデジタル）用に保留
００００００１０ｂ：圧縮オーディオ（ＭＰＥＧ２拡張無し）用に保留
００００００１１ｂ：圧縮オーディオ（ＭＰＥＧ２拡張有り）用に保留
０００００１００ｂ：圧縮オーディオ（ＤＴＳ）用に保留
０００００１０１ｂ：圧縮オーディオ（ＳＤＤＳ）用に保留
その他：その他の符号化モード用に保留
【００２８】
（２）チャネルグループ１の量子化ビット数Ｑ１（ｂ１１１〜ｂ１０８）
００００ｂ：１６ビット
０００１ｂ：２０ビット
００１０ｂ：２４ビット
その他：保留
（３）チャネルグループ２の量子化ビット数Ｑ２（ｂ１０７〜ｂ１０４）
・チャネルグループ１の量子化ビット数Ｑ１が「００００ｂ」の場合には「００００ｂ」
・チャネルグループ１の量子化ビット数Ｑ１が「０００１ｂ」の場合には「００００ｂ」又は「０００１ｂ」
・チャネルグループ１の量子化ビット数Ｑ１が「００１０ｂ」の場合には「００００ｂ」、「０００１ｂ」又は「００１０ｂ」
ただし、００００ｂ：１６ビット
０００１ｂ：２０ビット
００１０ｂ：２４ビット
その他：保留
【００２９】
（４）チャネルグループ１のサンプリング周波数ｆｓ１（ｂ１０３〜ｂ１００）
００００ｂ：４８ｋＨｚ
０００１ｂ：９６ｋＨｚ
００１０ｂ：１９２ｋＨｚ
１０００ｂ：４４．１ｋＨｚ
１００１ｂ：８８．２ｋＨｚ
１０１０ｂ：１７６．４ｋＨｚ
その他：保留
【００３０】
（５）チャネルグループ２のサンプリング周波数ｆｓ２（ｂ９９〜ｂ９６）
・チャネルグループ１のサンプリング周波数ｆｓ１が「００００ｂ」の場合には「００００ｂ」
・チャネルグループ１のサンプリング周波数ｆｓ１が「０００１ｂ」の場合には「００００ｂ」又は「０００１ｂ」
・チャネルグループ１のサンプリング周波数ｆｓ１が「００１０ｂ」の場合には「００００ｂ」、「０００１ｂ」又は「００１０ｂ」
・チャネルグループ１のサンプリング周波数ｆｓ１が「１０００ｂ」の場合には「１０００ｂ」
・チャネルグループ１のサンプリング周波数ｆｓ１が「１００１ｂ」の場合には「１０００ｂ」又は「１００１ｂ」
・チャネルグループ１のサンプリング周波数ｆｓ１が「１０１０ｂ」の場合には「１０００ｂ」、「１００１ｂ」又は「１０１０ｂ」
【００３１】
（６）マルチチャネル構造のタイプ（ｂ９５〜ｂ９３）
０００ｂ：タイプ１
その他：保留
（７）チャネル割り当て（ｂ９２〜ｂ８８）
図１０は１チャネル（モノラル）から６チャネルまでのグループ「１」、「２」のチャネル割当情報を示している。ちなみに、図に示す記号を以下に説明する。
Ｃ（ｍｏｎｏ）：モノラル
Ｌ，Ｒ：２チャネルステレオ
Ｌｆ：マルチチャネルのレフトフロント
Ｒｆ：マルチチャネルのライトフロント
Ｃ：マルチチャネルのセンター
ＬＦＥ：マルチチャネルのＬｏｗＦｒｅｑｕｅｎｃｙＥｆｆｅｃｔ
Ｓ：マルチチャネルのサラウンド
Ｌｓ：マルチチャネルのレフトサラウンド
Ｒｓ：マルチチャネルのライトサラウンド
【００３２】
（８）デコーディング・オーディオ・ストリーム数（ｂ８７〜ｂ８５）
「０」又は「１」
（９）ＭＰＥＧオーディオ用ＤＲＣ（ｂ７９、ｂ７８）
００ｂ：ＭＰＥＧオーディオストリーム内にＤＲＣデータが存在しない。
０１ｂ：ＭＰＥＧオーディオストリーム内にＤＲＣデータが存在する。
【００３３】
（１０）圧縮オーディオチャネル数（ｂ７５〜ｂ７２）
オーディオ符号化モードがリニヤＰＣＭオーディオの場合には「１１１１ｂ」
００００ｂ：１ｃｈ（モノ）
０００１ｂ：２ｃｈ（ステレオ）
００１０ｂ：３ｃｈ
００１１ｂ：４ｃｈ
０１００ｂ：５ｃｈ
０１０１ｂ：６ｃｈ
０１１０ｂ：７ｃｈ
０１１１ｂ：８ｃｈ
その他：保留
【００３４】
図７に示した２８８（１８×１６）バイトのエリア（ＲＢＰ３８４〜６７１）には、マルチチャネルオーディオデータを２チャネルにダウンミックスするために図１１に示すようにテーブル番号「０」〜「１５」の各ダウンミックス係数（ＡＴＳ−ＤＭ−ＣＯＥＦＴ＃０〜＃１５）が１８バイトで記述される。
【００３５】
図１に示したＡＴＳ−ＰＧＣＩＴ（ＡＴＳプログラム・チェーン・インフォメーション・テーブル）は、図１２に詳しく示すように先頭から順に
・図１３に詳しく示すオーディオ・タイトルセットＰＧＣＩテーブル・インフォメーション（ＡＴＳ−ＰＧＣＩＴＩ）と、
・図１４、図１５に詳しく示すｎ個のオーディオ・タイトルセットＰＧＣＩサーチポインタ（ＡＴＳ−ＰＧＣＩ−ＳＲＰ＃１〜＃ｎ）と
・図１６に詳しく示す複数のオーディオ・タイトルセットＰＧＣＩ（ＡＴＳ−ＰＧＣＩ）により構成されている。
【００３６】
ＡＴＳ−ＰＧＣＩＴＩは図１３に詳しく示すように８バイトで構成され、先頭から順に
・２バイトのＡＴＳ−ＰＧＣＩ−ＳＲＰ＃１〜＃ｎの数と、
・２バイトの保留領域と、
・４バイトのＡＴＳ−ＰＧＣＩＴのエンドアドレスにより構成されている。ＡＴＳ−ＰＧＣＩ−ＳＲＰ＃１〜＃ｎの各々は、図１４に詳しく示すように８バイトで構成され、先頭から順に
・図１５に詳しく示すように４バイトのＡＴＳ−ＰＧＣのカテゴリ（ＡＴＳ−ＰＧＣ−ＣＡＴ）と
・４バイトのＡＴＳ−ＰＧＣＩのエンドアドレスにより構成されている。
【００３７】
上記の４バイト（ｂ３１〜ｂ０）のＡＴＳ−ＰＧＣのカテゴリは、図１５に詳しく示すように先頭から順に
・１ビット（ｂ３１）のエントリータイプと、
・７ビット（ｂ３０〜ｂ２４）のＡＴＳオーディオタイトル数（ＡＴＳ−ＴＴＮ）と、
・２ビット（ｂ２３、ｂ２２）のブロックモードと、
・２ビット（ｂ２１、ｂ２０）のブロックタイプと、
・４ビット（ｂ１９〜ｂ１６）のオーディオチャネル数と、
・８ビット（ｂ１５〜ｂ８）のオーディオ符号化モードと、
・８ビット（ｂ７〜ｂ０）の保留領域により構成されている。
【００３８】
上記カテゴリ（ＡＴＳ−ＰＧＣ−ＣＡＴ）の内容を以下に詳しく示す。
（１）エントリータイプ（ｂ３１）
０ｂ：エントリーＰＧＣでない
１ｂ：エントリーＰＧＣ
（２）ＡＴＳオーディオタイトル数（ｂ３０〜ｂ２４）
このＡＴＳのオーディオタイトル数を「１」〜「９９」の範囲で記述する。
（３）ブロックモード（ｂ２３、ｂ２２）
００ｂ：ＡＴＳ−ＰＧＣブロックのＡＴＳ−ＰＧＣでない
０１ｂ：ＡＴＳ−ＰＧＣブロックの最初のＡＴＳ−ＰＧＣ
１０ｂ：保留
１１ｂ：ＡＴＳ−ＰＧＣブロックの最後のＡＴＳ−ＰＧＣ
（４）ブロックタイプ（ｂ２１、ｂ２０）
００ｂ：このブロックの一部でない
０１ｂ：オーディオコーディングモードのみの差分のブロック
１０ｂ：オーディオチャネルのみの差分のブロック
１１ｂ：オーディオコーディングモードとオーディオチャネルの両方の差分のブロック
（５）オーディオチャネル数（ｂ１９〜ｂ１６）
００００ｂ：２チャネル以下
０００１ｂ：２チャネルを超える
【００３９】
図１２に示したオーディオ・タイトルセットＰＧＣＩ（ＡＴＳ−ＰＧＣＩ）の各々は、図１６に詳しく示すように先頭から順に
・図１７、図１８に詳しく示すＡＴＳ−ＰＧＣジェネラル・インフォメーション（ＡＴＳ−ＰＧＣ−ＧＩ）と、
・図１９〜図２１に詳しく示すＡＴＳプログラム・インフォメーション・テーブル（ＡＴＳ−ＰＧＩＴ）と
・図２２〜図２４に詳しく示すＡＴＳセル・プレイバック・インフォメーション・テーブル（ＡＴＳ−Ｃ−ＰＢＩＴ）により構成されている。
【００４０】
ＡＴＳ−ＰＧＣ−ＧＩは図１７に詳しく示すように１６バイト（ＲＢＰ０〜１５）で構成され、先頭から順に
・図１８に詳しく示す４バイト（ＲＢＰ０〜３）のＡＴＳ−ＰＧＣコンテンツ（ＡＴＳ−ＰＧＣ−ＣＮＴ）と、
・４バイト（ＲＢＰ４〜７）のＡＴＳ−ＰＧＣプレイバック・タイム（ＡＴＳ−ＰＧＣ−ＰＢ−ＴＭ）と、
・２バイト（ＲＢＰ８、９）の保留領域と、
・２バイト（ＲＢＰ１０、１１）のＡＴＳ−ＰＧＩＴのスタートアドレスと、
・２バイト（ＲＢＰ１２、１３）のＡＴＳ−Ｃ−ＰＢＩＴのスタートアドレスと、
・２バイト（ＲＢＰ１４、１５）の保留領域により構成されている。
【００４１】
上記の４バイト（ｂ３１〜ｂ０）のＡＴＳ−ＰＧＣコンテンツは図１８に詳しく示すように先頭から順に
・１７ビット（ｂ３１〜ｂ１５）の保留領域と、
・７ビット（ｂ１４〜ｂ８）のプログラム数と
・８ビット（ｂ７〜ｂ０）のセル数により構成されている。プログラム数は「１」〜「９９」の範囲であり、セル数は「１」〜「２５５」の範囲である。
【００４２】
図１６に示したＡＴＳプログラム・インフォメーション・テーブル（ＡＴＳ−ＰＧＩＴ）は、図１９に詳しく示すようにｎ個のＡＴＳプログラム・インフォメーション（ＡＴＳ−ＰＧＩ）＃１〜＃ｎにより構成されている。ＡＴＳ−ＰＧＩ＃１〜＃ｎの各々は図２０に詳しく示すように２０バイト（ＲＢＰ０〜１９）で構成され、先頭から順に
・図２１に詳しく示す４バイト（ＲＢＰ０〜３）のＡＴＳ−ＰＧコンテンツ（ＡＴＳ−ＰＧ−ＣＮＴ）と、
・１バイト（ＲＢＰ４）のＡＴＳ−ＰＧのエントリセル番号と、
・１バイト（ＲＢＰ５）の保留領域と、
・４バイト（ＲＢＰ６〜９）のＡＴＳ−ＰＧの最初のオーディオセルのスタート
・プレゼンテーション・タイム（ＦＡＣ−Ｓ−ＰＴＭ）と、
・４バイト（ＲＢＰ１０〜１３）のＡＴＳ−ＰＧプレイバック・タイムと、
・４バイト（ＲＢＰ１４〜１７）のＡＴＳ−ＰＧポーズ・タイムと、
・１バイト（ＲＢＰ１８）の保留領域（著作権管理データＣＭＩ用）と、
・１バイト（ＲＢＰ１９）の保留領域
により構成されている。
【００４３】
上記２バイト（ｂ３１〜０）のＡＴＳ−ＰＧコンテンツは、図２１に詳しく示すように先頭から順に
・１ビット（ｂ３１）の、前回と今回のＰＧの関係（Ｒ／Ａ）と、
・１ビット（ｂ３０）のＳＴＣ不連続性フラグ（ＳＴＣ−Ｆ）と、
・３ビット（ｂ２９〜ｂ２７）のアトリビュート数（ＡＴＲＮ）と、
・３ビット（ｂ２６〜ｂ２４）のチャネルグループ（ＣｈＧｒ）「２」のビットシフトデータと、
・２ビット（ｂ２３、ｂ２２）の保留領域と、
・１ビット（ｂ２１）のダウンミックスモード（Ｄ−Ｍ）と、
・１ビット（ｂ２０）のダウンミックス係数の有効性（図示※）と、
・４ビット（ｂ１９〜ｂ１６）のダウンミックス係数テーブル番号（ＤＭ−ＣＯＥＦＴＮ）と、
・各々が１ビット、合計１６ビット（ｂ１５〜ｂ０）のＲＴＩフラグＦ１５〜Ｆ０により構成されている。
【００４４】
図１６に示したＡＴＳセル・プレイバック・インフォメーション・テーブル（ＡＴＳ−Ｃ−ＰＢＩＴ）は、図２２に詳しく示すようにｎ個のＡＴＳセル・プレイバック・インフォメーション（ＡＴＳ−Ｃ−ＰＢＩ）＃１〜＃ｎにより構成されている。ＡＴＳ−Ｃ−ＰＢＩ＃１〜＃ｎの各々は、図２３に詳しく示すように１２バイト（ＲＢＰ０〜１１）により構成され、先頭から順に
・１バイト（ＲＢＰ０）のＡＴＳ−Ｃのインデックス番号と、
・図２４に詳しく示すように１バイト（ＲＢＰ１）のＡＴＳ−Ｃタイプ（ＡＴＳ−Ｃ−ＴＹ）と、
・２バイト（ＲＢＰ２、３）の保留領域と、
・４バイト（ＲＢＰ４〜７）のＡＴＳ−Ｃのスタートアドレスと、
・４バイト（ＲＢＰ８〜１１）のＡＴＳ−Ｃのエンドアドレスにより構成されている。
【００４５】
１バイト（ｂ７〜ｂ０）のＡＴＳ−Ｃタイプは、図２４に詳しく示すように先頭から順に
・２ビット（ｂ７、ｂ６）のＡＴＳセル要素（ＡＴＳ−Ｃ−ＣＯＭＰ）と、
・２ビット（ｂ５、ｂ４）の保留領域と、
・４ビット（ｂ３〜ｂ０）のＡＴＳセル用途（ＡＴＳ−Ｃ−Ｕｓａｇｅ）により構成されている。
【００４６】
上記データの内容を以下に詳しく示す。
（１）ＡＴＳセル要素（ｂ７、ｂ６）
００ｂ：オーディオデータのみから成るオーディオセル
０１ｂ：オーディオデータとリアルタイムインフォメーションから成るオーディオセル
１０ｂ：サイレンス用のオーディオデータのみから成るサイレンスセル
１１ｂ：スチルピクチャのみから成るピクチャセル
（２）ＡＴＳセル用途（ｂ３〜ｂ０）
００００ｂ：記述無し
０００１ｂ：スポットライトパート
その他：保留
【００４７】
次に上記のＤＶＤオーディオディスクのエンコード装置について説明する。図２５、図２６はそれぞれエンコード装置の構成と処理を示している。アナログオーディオ信号ＡはＡ／Ｄコンバータ３１により十分高いサンプリング周波数（サンプリング周期Δｔ）、例えば１９２ｋＨｚでサンプリングされて、例えば２４ビットの高分解能のＰＣＭ信号に変換される。続くビットシフト／信号処理回路３２では、圧縮を行わない場合には、Ａ／Ｄコンバータ３１により変換されたＰＣＭデータがそのままＤＶＤフォーマット化部３４に印加される。これに対し、圧縮を行う場合には、Ａ／Ｄコンバータ３１により変換されたＰＣＭデータがその符号化モードに応じてビットシフト／信号処理回路３２により圧縮され、次いでＤＶＤフォーマット化部３４に印加される（ステップＳ５、Ｓ６）。ビットシフト／信号処理回路３２ではまた、グループ「２」の各チャネルがビットシフトされる。
【００４８】
また、ビデオ信号ＶはＡ／Ｄ変換器３１Ｖによりデジタル信号に変換され、次いでこのデジタルビデオ信号がＶエンコーダ３２ＶによりＭＰＥＧフォーマットにエンコードされ、ＤＶＤフォーマット化部３４に印加される（ステップＳ１、Ｓ２）。また、静止画信号ＳＰはＡ／Ｄ変換器３１ＳＰによりデジタル信号に変換され、次いでこのデジタル静止画信号ＳＰが圧縮エンコーダ３２ＳＰによりＭＰＥＧフォーマットにエンコードされ、ＤＶＤフォーマット化部３４に印加される（ステップＳ３、Ｓ４）。また、著作権情報とリアルタイムテキスト（ＲＴ）情報がインタフェース（Ｉ／Ｆ）４０を介して（ステップＳ７、Ｓ８）、また、文字情報とディスク識別子ＥＸがＤＶＤフォーマット化部３４に印加される（ステップＳ９、Ｓ１０）。
【００４９】
そしてＤＶＤフォーマット化部３４は、各入力データを前述したようなフォーマットにパッキングする（ステップＳ１１）。このＤＶＤフォーマット化部３４によりフォーマット化されたデータは、変調回路３５によりディスクに応じた変調方式で変調されてこの変調データに基づいてディスクが製造されたり、記録部３８にいったん記録されたり、通信Ｉ／Ｆ３９を介して伝送される（ステップＳ１２）。
【００５０】
図２７は上記エンコード装置の内のオーディオエンコード部を抜き出して示している。まず、入力端子１０１〜１０５にはマルチチャネル信号として、それぞれフロント左ＦＬ、センタＣ、フロント右ＦＲ、リア左又はカラオケ左ＲＬ／ＫＬ及びリア右／カラオケ右ＲＲ／ＫＲの５チャネル信号が入力してＤＶＤオーディオフォーマット化処理部１０６に印加される。また、この５チャネル信号をステレオ２チャネルにダウンミックスするための係数と文字データがそれぞれ入力端子１０７、１０９とＩ／Ｆ１０８、１１０を介してＤＶＤオーディオフォーマット化処理部６に印加される。そして、ＤＶＤオーディオフォーマット化処理部１０６では操作入力部１１３の操作指示とシステムコントローラ１１４の制御に基づいて、マルチチャネル信号は図２に示すＡパックに配置され、ダウンミックス係数は図１１に示すＡＴＳ−ＤＭ−ＣＯＥＦＴ＃０〜＃１５に配置され、文字データは図２に示すＲＴＩパックに配置される。
【００５１】
ここで、入力ダウンミックス係数は、５チャネル信号をステレオ２チャネルにダウンミックスする場合に、熟練したミキサが推奨する複数通りの係数であり、また、ダウンミックス係数α、β、γを用いた変換式は次の通りである。
ステレオＬ＝α×ＦＬ＋β×Ｃ＋γ×ＲＬ／ＫＬ
ステレオＲ＝α×ＦＲ＋β×Ｃ＋γ×ＲＲ／ＫＲ
【００５２】
そして、第１の利用例としては、伴奏音楽とボーカル音楽をそれぞれフロントチャネルＦＬ、Ｃ、ＦＲとリアチャネルＲＬ／ＫＬ、ＲＲ／ＫＲに配置して、
・通常の５チャネルのサラウンド再生を行うための係数α、β、γと、
・５チャネルを２チャネルＬ、Ｒにダウンミックスするとともに、リアチャネルＲＬ／ＫＬ、ＲＲ／ＫＲを２チャネルＬ、Ｒにミックスして再生を行うための係数α、β、γと、
・カラオケ再生を行うためにリアチャネルＲＬ／ＫＬ、ＲＲ／ＫＲを再生しないで５チャネルのサラウンド再生を行うための係数α、β、γと、
・５チャネルを２チャネルＬ、Ｒにダウンミックスするとともに、カラオケ再生を行うためにリアチャネルＲＬ／ＫＬ、ＲＲ／ＫＲを再生しないための係数α、β、γなどの複数通りの係数α、β、γを記録する方法が考えられる。
【００５３】
また、第２の利用例としては、伴奏音楽をフロントチャネルＦＬ、Ｃ、ＦＲに配置するとともに、デュエットの男声ボーカルと女声ボーカルをそれぞれリアチャネルＲＬ／ＫＬ、ＲＲ／ＫＲに配置して、
・通常の５チャネルのサラウンド再生を行うための係数α、β、γと、
・２チャネルＬ、Ｒにダウンミックスして再生を行うための係数α、β、γと、
・男声、女声の両方を再生しないカラオケ再生を行うために５チャネルのサラウンド再生を行うための係数α、β、γと、
・男声、女声の両方を再生しないカラオケ再生を行うために２チャネルＬ、Ｒにダウンミックスして再生を行うための係数α、β、γと、
・男声、女声の一方を再生しないカラオケ再生を行うために５チャネルのサラウンド再生を行うための係数α、β、γと、
・男声、女声の一方を再生しないカラオケ再生を行うために２チャネルＬ、Ｒにダウンミックスして再生を行うための係数α、β、γなどの複数通りの係数α、β、γを記録する方法が考えられる。
【００５４】
図２８は上記のＤＶＤオーディオディスクのデコード装置の具体的構成を示し、図２９は図２８の構成を機能的に示している。また、図３０はその処理を示している。図２８、図２９において、まず、操作部１８やリモコン装置１９により曲目選択、再生、早送り、停止操作が行われると、制御部２３はその操作に応じてドライブ装置２と再生装置１７を制御し、再生時にはＤＶＤオーディオディスク１に記録されたピットデータがドライブ装置２により読み取られた後、ＥＦＭ復調される。
【００５５】
再生装置１７では、この信号が静止画及びＶパック検出部３とＡ及びＲＴＩパック検出部９に送られる。静止画パック、Ｖパックがディスク１に記録されている場合には、静止画及びＶパック検出部３はこの再生データ中の静止画パック、Ｖパックを検出して制御パラメータをパラメータ部８に設定するとともに静止画パック、Ｖパックを静止画及びＶパックバッファ４に順次書き込む。静止画及びＶパックバッファ４に書き込まれた静止画パック、Ｖパック内のユーザデータ（ビデオ信号、静止画情報）は、バッファ取り出し部５により静止画パック、Ｖパック内のＳＣＲに基づいてパック順に、また、出力時刻順に取り出され、次いで伸長及び画像変換部６、Ｄ／Ａ変換部７、ビデオ出力端子１５、１５’を介してアナログビデオ信号として出力される。
【００５６】
また、Ａ及びＲＴＩパック検出部９は再生データ中のＡパックとＲＴＩパックを検出して制御パラメータをパラメータ部１４に設定するとともに、ＡパックとＲＴＩパックをＡ及びＲＴＩパックバッファ１０に順次書き込む。Ａ及びＲＴＩパックバッファ１０に書き込まれたＡパック、ＲＴＩパック内のユーザデータ（オーディオ信号、リアルタイム・インフォメーション）は、バッファ取り出し部１１によりパック順に、また、出力時刻順に取り出される。そして、オーディオ信号はＰＣＭ変換及びビットシフト／信号処理部１２、Ｄ／Ａ変換部１３、オーディオ出力端子１６を介してアナログオーディオ信号として出力される。また、リアルタイム・インフォメーションは表示信号生成部２０に送られて表示信号が生成され、この表示信号は表示信号出力端子２２を介して出力されたり、内蔵の文字表示部２１に出力される。
【００５７】
図３０を参照してこのデコード装置の処理を説明する。まず、ディスク１にアクセスして記録データを読み出し（ステップＳ２０）、次いで各分離ステップＳ２１〜Ｓ２９においてビデオ信号と、静止画信号と、オーディオ信号と、著作権情報及びリアルタイムテキスト（ＲＴ）情報と、文字情報及びディスク識別子（ＥＸ）が分離される。次いで各デコードステップＳ２２〜Ｓ３０においてそれぞれ各分離データがデコードされ、次いで同期再生される（ステップＳ３１、Ｓ３２）。
【００５８】
図３１は上記デコード装置の内、オーディオデコード部を抜き出して示している。まず、入力端子１１５を介して入力するデータがＤＶＤオーディオデフォーマット化処理部１１６により５チャネル信号ＦＬ、Ｃ、ＦＲ、ＲＬ／ＫＬ及びＲＲ／ＫＲと、ダウンミックス係数α、β、γと文字データに分離される。そして、５チャネルとして出力する場合にはそのままマルチチャネル出力端子１１９〜１２３を介して出力され、他方、ダウンミックスして出力する場合には上記演算式に基づいてダウンミキサ１１７によりステレオ２チャネル信号Ｌ、Ｒに変換されてステレオ出力端子１２４、１２５を介して出力される。このとき、ユーザはディスク１から再生されたダウンミックス係数α、β、γの組み合わせから１つを選択することにより、熟練したミキサが推奨する係数を選択してボーカルを含む再生やボーカルを含まないカラオケ再生を行うことができる。
【００５９】
すなわち、ユーザはダウンミックスするモードを選択する。一方、ダウンミックス係数をタイトルに固定させることにより、ユーザの選択操作を簡略化することができる。そのため、図１に示すＡＯＴＴ−ＡＯＢＳの中の複数のＡＴＳをあらかじめこれらの組み合わせとしておく。すなわち、伴奏だけのＡＴＳ、ボーカルチャネルだけのＡＴＳ、伴奏とボーカルチャネルのＡＴＳなどをあらかじめ用意し、ユーザはダウンミックスされたタイトルを選択する。
【００６０】
図３２、図３３はそれぞれ第２の実施形態として３チャネル（左Ｌ、右Ｒ、ボーカルＫ）を用いた場合のオーディオエンコード部、オーディオデコード部を示している。オーディオエンコード部では、上記の３チャネルの内、２チャネルＬ、Ｒには伴奏音楽（あるいはピアノコンチェルトのオーケストラパート）が配置され、ボーカルチャネルＫにはボーカル（あるいはピアノコンチェルトのピアノパート）が配置される。そして、ダウンミックス係数α、β、γとして、デコーダ側が３チャネル再生を行う際に、
ＦＬ＝α×Ｌ
Ｃ＝β×Ｋ
ＦＲ＝γ×Ｒ
の演算を行うための係数が伝送される。
【００６１】
この第２の実施形態によれば、図３３に示すように２チャネル再生のデコーダ側は、β＝１、α＝γ＝０に設定すればボーカルチャネルＫのみを再生することができ、β＝０、α＝γ＝１に設定すれば伴奏チャネルＬ、Ｒのみを再生することができ、また、
Ｌ＝Ｌ＋Ｋ
Ｒ＝Ｒ＋Ｋ
を演算すればボーカルチャネルＫを伴奏チャネルＬ、Ｒにミックスして再生することができる（図示出力端子１２４、１２５）。また、３チャネル再生のデコーダ側は、各チャネルＬ、Ｒ、Ｋをそのまま再生したり、伝送された係数α、β、γに基づいてミックスして再生することができる（図示出力端子１１９、１２０、１２１）。
【００６２】
図３４、図３５はそれぞれ第３の実施形態として６チャネル（フロント左ＦＬ、センタ又はボーカルＣ／Ｋ、フロント右ＦＲ、リア左ＲＬ、リア右ＲＲ、ＬＦＥ）を用いた場合のオーディオエンコード部、オーディオデコード部を示している。オーディオエンコード部では、上記の６チャネルの内、例えばチャネルＣ／Ｋにはボーカルが配置され、残りの５チャネルには伴奏音楽が配置される。そして、デコーダ側がダウンミックスを行うために次のようなダウンミックス係数が伝送される。
Ｌ＝α×ＦＬ＋β×Ｃ／Ｋ＋γ×ＲＬ＋δ×ＬＦＥ
Ｒ＝α×ＦＲ＋β×Ｃ／Ｋ＋γ×ＲＲ＋δ×ＬＦＥ
【００６３】
したがって、この第３の実施形態においても同様に、図３５に示すように２チャネル再生のデコーダ側は、β＝１、α＝γ＝δ＝０に設定すればボーカルチャネルＫのみを再生することができ、β＝０、α＝γ＝δ＝１に設定すれば伴奏チャネルＬ、Ｒのみを再生することができる。また、６チャネル再生のデコーダ側は全てのチャネルを再生することができることはもちろん、
ＦＬ＝ＦＬ＋α×Ｃ／Ｋ
Ｃ＝０
ＦＲ＝ＦＲ＋α×Ｃ／Ｋ
を演算することにより５チャネルでも再生することができる。
【００６４】
さらに、右ハンドル用のカーオーディオシステムに適用した場合、左チャネルの係数を０．５に設定すれば再生音声が左に移動するので、右側の運転手にとって最適な左右バランスで再生することができる。なお、ダウンミックス係数は図１１に示すＡＴＳ−ＤＭ−ＣＯＥＦＴ＃０〜＃１５に配置する代わりに、図２に示すＲＴＩパックに配置するようにしてもよい。また、伝送データはＰＣＭデータの他、１ビットストリーム信号でもよい。この場合には、デコーダ側ではミキシングが困難であるので、２チャネルのダウンミックス出力を設けずにマルチチャネル出力のみを設け、ボーカルチャネルをミックスしないでミュートするようにしてもよい。
【００６５】
ここで、静止画ＳＰを再生する処理には次の３通りがある。
１）静止画ＳＰが得られると、オーディオ信号Ａの再生を中断してミュートする。
２）静止画ＳＰが得られると、時間制御信号に基づいてオーディオ信号Ａと共に再生する。
３）静止画ＳＰが得られると、ユーザに指示されたページめくりコマンドに基づいてページめくり再生する。このときオーディオ信号Ａはそのまま再生する。
【００６６】
ここで、上記のオーディオデコード部は、ディスク再生装置の一部として組み込んで使用する方法の他に、製品単体としてＩＣチップ化して構成し、ＤＶＤビデオ再生装置やパーソナルコンピュータの部品として使用することができる。
【００６７】
次に、上記のようにフォーマット化されたデジタルオーディオ信号を通信回線を介して伝送する実施例について説明する。まず、図３６〜図４０を参照して送信側であるパッキング装置について説明する。パッキング装置は図３６に示すようにパッキング処理部３０と、バッファメモリ３０Ｂと、コントロール回路２９と、操作部２７とディスプレイ２８を有する。そして、図３７〜図４０において、まず、ビデオ信号Ｖと、静止画信号ＳＰと、オーディオ信号Ａとリアルタイム情報ＲＴＩとディスク識別子（ＥＸ）が入力されると、ステップＳ１００では図３８に詳しく示すようにオーディオパックを生成し（ステップＳ１０１）、次いでビデオパックを生成し（ステップＳ１０２）、次いで静止画パックを生成し（ステップＳ１０３）、次いでリアルタイムテキストを生成する（ステップＳ１０４）。
【００６８】
次いでセル（ＡＴＳ−Ｃ）を管理し（ステップＳ２００）、次いでＰＴＴ（パートオブタイトル）を管理し（ステップＳ３００）、次いでタイトル（ＡＯＴＴ−ＡＯＢ）を管理し（ステップＳ４００）、次いでタイトルセット（ＡＯＴＴ−ＡＯＢＳを管理する（ステップＳ５００）。続くステップＳ６００ではＡＴＳを生成するために、図３９に詳しく示すようにタイトルセットを生成し（ステップＳ６０１）、次いでメニューを生成する（ステップＳ６０２）。次いでＡＴＳ−ＰＧＣＩのカテゴリを記載し（ステップＳ６０３）、次いでビットシフトを含むＰＧコンテンツから成るＰＧＩＴを生成してＰＧＣＩを生成することによりＡＴＳ−ＰＧＣＩＴを生成する（ステップＳ６０４）。次いで属性、係数のＭＡＴを生成することによりＡＴＳＩを生成する（ステップＳ６０５）。次いでＡＭＧを生成し（ステップＳ７００）、最後にＴＯＣを生成する（ステップＳ８００）。
【００６９】
次に、上記のようにフォーマット化されたデジタルオーディオ信号を通信回線を介して伝送する場合には、図４０に示すように、送信バッファに蓄えられている送信データを所定長に分割してパケット化し（ステップＳ４１）、次いでパケットの先頭には宛て先アドレスを含むヘッダを付与し（ステップＳ４２）、次いでこれをネットワーク上に出力する（ステップＳ４３）。
【００７０】
次に図４１〜図４５を参照してデータ受信側について説明する。図４１に示すようにデータ受信側のアンパッキング装置は、アンパッキング処理部６０と、バッファメモリ６０Ｂと、パラメータメモリ５６と、コントロール回路５９と、操作部５７とディスプレイ５８を有する。まず、図４２に示すように、ネットワークから受信したパケットからヘッダを除去し（ステップＳ５１）、次いで受信データを復元し（ステップＳ５２）、次いでこれをメモリに転送する（ステップＳ５３）。
【００７１】
次に図４３〜図４５に示すように、まず、ＡＭＧをデコードしてＡＴＳを検出し（ステップＳ１１００）、続くステップＳ１２００では目的のＡＴＳのＡＴＳＩをデコードするために、図４４に詳しく示すようにＡＴＳ−ＰＧＣＩのカテゴリをデコードし（ステップＳ１２０１）、次いでビットシフトを含むＰＧコンテンツから成るＰＧＩＴをデコードし（ステップＳ１２０２）、次いでＭＡＴの属性、係数をデコードし（ステップＳ１２０３）、次いでこれらのデコードした各パラメータをパラメータメモリ５６に設定する（ステップＳ１２０４）。
【００７２】
次いで再生が開始されると、パックを識別し（ステップＳ１３００）、続くステップＳ１４００ではパックをデコードするために、図４５に詳しく示すようにオーディオパックをデコードし（ステップＳ１４０１）、次いでビデオパックをデコードし（ステップＳ１４０２）、次いで静止画パックをデコードし（ステップＳ１４０３）、次いでリアルタイムテキストをデコードする（ステップＳ１４０４）。そしてこれらの各パックからデコードしたオーディオ信号と、ビデオ信号と、静止画信号とリアルタイムテキスト信号を出力し（ステップＳ１５００）、再生中にはステップＳ１３００〜ステップＳ１５００の処理を繰り返す。
【００７３】
上記エンコード装置及びデコード装置は、上記エンコード方法及びデコード方法をコンピュータプログラムとしてＲＯＭなどのＩＣチップに記憶しておき、このプログラムによりコンピュータのＣＰＵ（中央演算処理装置）を作動させることによっても実現できる。また、インターネットやカラオケ通信回線などの通信回線を介して伝送して再生側ではハードウエアやＰＣ上のアプリケーションにより再生する場合にも適用することができる。
【００７４】
【発明の効果】
以上説明したように本発明によれば、例えば伴奏音楽などの第１のオーディオ信号とボーカル音楽などの第２のオーディオ信号を含むマルチチャネル信号をステレオ２チャネルにダウンミックスするための最適な係数を記録媒体や通信媒体を介して伝送するようにしたので、マルチチャネルを２チャネルにダウンミックスして再生する場合にユーザにとって使い勝手を良くすることができる。
【図面の簡単な説明】
【図１】第１の実施形態のオーディオディスクのオーディオ・タイトルセット（ＡＴＳ）とオーディオ・タイトルセット・インフォメーション（ＡＴＳＩ）を示す説明図である。
【図２】図１のオーディオ・オンリ・タイトル用オーディオ・オブジェクト・セット（ＡＯＴＴ−ＡＯＢＳ）を詳しく示す説明図である。
【図３】図２のオーディオパックの一例を詳しく示す説明図である。
【図４】図３のプライベートヘッダを詳しく示す説明図である。
【図５】図２のリアルタイム・インフォメーション（ＲＴＩ）パックを詳しく示す説明図である。
【図６】図２のスチルピクチャ（ＳＰＣＴ）パックを詳しく示す説明図である。
【図７】図１のオーディオ・タイトルセット・インフォメーション・マネージメント・テーブル（ＡＴＳＩ−ＭＡＴ））を詳しく示す説明図である。
【図８】図７のオーディオ・オンリ・タイトル用オーディオ・オブジェクト・アトリビュート（ＡＯＴＴ−ＡＯＢ−ＡＴＲ）を詳しく示す説明図である。
【図９】図７のオーディオ・オンリ・タイトル用ビデオ・オブジェクト・オーディオストリーム・アトリビュート（ＡＯＴＴ−ＶＯＢ−ＡＳＴ−ＡＴＲ）を詳しく示す説明図である。
【図１０】図８及び図９のチャネル割当情報を詳しく示す説明図である。
【図１１】図７のダウンミックス係数（ＡＴＳ−ＤＭ−ＣＯＥＦＴ）を詳しく示す説明図である。
【図１２】図１のオーディオ・タイトルセット・プログラム・チェーン・インフォメーション・テーブル（ＡＴＳ−ＰＧＣＩＴ）を詳しく示す説明図である。
【図１３】図１２のＡＴＳ−ＰＧＣＩＴインフォメーション（ＡＴＳ−ＰＧＣＩＴＩ）を詳しく示す説明図である。
【図１４】図１２のＡＴＳ−ＰＧＣＩサーチポインタ（ＡＴＳ−ＰＧＣＩ−ＳＲＰ）を詳しく示す説明図である。
【図１５】図１４のＡＴＳ−ＰＧＣカテゴリ（ＡＴＳ−ＰＧＣＩ−ＣＡＴ）を詳しく示す説明図である。
【図１６】図１２のオーディオ・タイトルセット・プログラム・チェーン・インフォメーション（ＡＴＳ−ＰＧＣＩ）を詳しく示す説明図である。
【図１７】図１６のＡＴＳ−ＰＧＣジェネラル・インフォメーション（ＡＴＳ−ＰＧＣ−ＧＩ）を詳しく示す説明図である。
【図１８】図１７のＡＴＳ−ＰＧＣコンテンツ（ＡＴＳ−ＰＧＣ−ＣＮＴ）を詳しく示す説明図である。
【図１９】図１６のＡＴＳプログラム・インフォメーション・テーブル（ＡＴＳ−ＰＧＩＴ）を詳しく示す説明図である。
【図２０】図１９のＡＴＳプログラム・インフォメーション（ＡＴＳ−ＰＧＩ）を詳しく示す説明図である。
【図２１】図２０のＡＴＳ−ＰＧコンテンツ（ＡＴＳ−ＰＧ−ＣＮＴ）を詳しく示す説明図である。
【図２２】図１９のＡＴＳセル・プレイバック・インフォメーション・テーブル（ＡＴＳ−Ｃ−ＰＢＩＴ）を詳しく示す説明図である。
【図２３】図２２のＡＴＳセル・プレイバック・インフォメーション（ＡＴＳ−Ｃ−ＰＢＩ）を詳しく示す説明図である。
【図２４】図２３のＡＴＳ−Ｃタイプ（ＡＴＳ−Ｃ−ＴＹ）を詳しく示す説明図である。
【図２５】ＤＶＤオーディオディスクのエンコード装置を示すブロック図である。
【図２６】図２５のエンコード装置の処理を示すフローチャートである。
【図２７】図２５のオーディオエンコード部を示すブロック図である。
【図２８】ＤＶＤオーディオディスクのデコード装置を示すブロック図である。
【図２９】図２８のデコード装置を機能的に示すブロック図である。
【図３０】図２８、図２９のデコード装置の処理を示すフローチャートである。
【図３１】図２９のオーディオデコード部を示すブロック図である。
【図３２】第２の実施形態のオーディオエンコード部を示すブロック図である。
【図３３】第２の実施形態のオーディオデコード部を示すブロック図である。
【図３４】第３の実施形態のオーディオエンコード部を示すブロック図である。
【図３５】第３の実施形態のオーディオデコード部を示すブロック図である。
【図３６】オーディオ信号を伝送する場合のパッキング装置を示すブロック図である。
【図３７】図３６のパッキング装置のパッキング処理を示すフローチャートである。
【図３８】図３７のパック生成処理を詳しく示すフローチャートである。
【図３９】図３７のＡＴＳ生成処理を詳しく示すフローチャートである。
【図４０】図３６のパッキング装置の送信処理を示すフローチャートである。
【図４１】オーディオ信号を伝送する場合のアンパッキング装置を示すブロック図である。
【図４２】図４１のアンパッキング装置の受信処理を示すフローチャートである。
【図４３】図４１のアンパッキング装置のアンパッキング処理を示すフローチャートである。
【図４４】図４３のＡＴＳＩデコード処理を詳しく示すフローチャートである。
【図４５】図４３のパックデコード処理を詳しく示すフローチャートである。
【符号の説明】
１１３操作部（モード選択手段）
１０６ＤＶＤオーディオフォーマット化処理部（フォーマット化手段）
１１６ＤＶＤオーディオデフォーマット化処理部
１１７ダウンミキサ（ダウンミックス手段）
１３２システムコントローラ[0001]
BACKGROUND OF THE INVENTION
The present invention relates to an audio signal transmission method, an audio disc, an encoding device, and a decoding device for reproducing a multi-channel by downmixing it into two channels (also referred to as mixdown), and for example, transmitting an audio signal suitable for a karaoke system. The present invention relates to a method, an audio disc, an encoding device, and a decoding device.
[0002]
[Prior art]
In general, a music source is recorded as audio data of two channels on a recording medium such as a CD. However, the music source may be recorded in multi-channel, and in this case, the amount of multi-channel data is enormous as compared with two channels. Therefore, the performance time (recording time) decreases. Therefore, if multi-channel data is recorded on a DVD video having a recording capacity larger than that of a CD, the performance time (recording time) becomes longer, so that a long-time music source can be recorded. This is suitable for recording.
[0003]
Conventionally, as a method of transmitting music data for karaoke through a medium by multi-channel, for example, as shown in Japanese Patent Laid-Open No. 9-46799 (Patent No. 2766466), a general surround system such as karaoke is used. Transmits to the playback device whether the music source is in a normal multi-channel mode or a special-purpose mode such as karaoke, together with a multi-channel signal including the main channel and sub-channel of the music source for special use A method has been proposed. In this method, the music source is compressed by the Dolby AC-3 system and transmitted.
[0004]
In this method, the decoder side is equipped with a surround mixing coefficient generator and a special purpose (karaoke) mixing coefficient generator, and when the multi-channel mode is detected from the transmission data, both the primary channel and the secondary channel are output. Output in multi-channel as it is, or by multiplying the main channel and sub-channel by a predetermined surround mixing coefficient and down-mix to 2 channels, while in the case of special use mode For example, in order to reproduce only the accompaniment channel and not the vocal channel, the main channel and the sub-channel are multiplied by a predetermined special application mixing coefficient and output as multi-channel or down-mix 2 channel.
[0005]
[Problems to be solved by the invention]
However, in the above-described conventional method, when the special-purpose mode is detected on the decoder side, the coefficient of the special-purpose mixing coefficient generator is multiplied to each channel, so that it cannot be reproduced in a user-desired mixing condition. If the user can change the coefficient, this mixing operation requires a skill level, which makes the operation troublesome. Further, it is impossible for the user to reproduce only accompaniment from a normal music source including accompaniment and vocals, and not reproduce as karaoke without reproducing vocals.
[0006]
Further, in the above conventional method, in order to use a general surround system for a special purpose such as karaoke, information indicating whether the music source is a normal multi-channel mode or a special purpose mode such as karaoke. Therefore, the music source is determined in advance by the source provider as to whether the music source is a multi-channel mode or a special-purpose mode, and thus there is no flexibility for the user. In the above conventional example, since it is necessary to detect whether the playback device is in the normal multi-channel mode or the special purpose mode such as karaoke, the playback device that does not have this detection function is in the special purpose mode. Can't play. Further, in the above conventional example, the music source is compressed by the Dolby AC-3 system and transmitted, so the sound quality is poor.
[0007]
In view of the above-described problems of the conventional example, the present invention provides an audio signal transmission method, an audio disc, an encoding device, and a decoding device that are convenient for the user when the multi-channel is downmixed into two channels for reproduction. Objective.
[0008]
[Means for Solving the Problems]
In order to achieve the above object, the present invention provides an optimum coefficient for downmixing a multi-channel signal including a first audio signal such as accompaniment music and a second audio signal such as vocal music into two stereo channels. The data is transmitted via a recording medium or a communication medium.
[0009]
That is, according to the present invention, a multichannel signal including at least two channels of a first audio signal and at least one channel of a second audio signal, and down-mixing the multichannel signal into two stereo channels, the first, A first coefficient for reproducing both of the second audio signals and the multi-channel signal are down-mixed to two stereo channels to reproduce the first audio signal and not the second audio signal. Transmitting a second coefficient for:
A mode or title for downmixing the multi-channel signal based on the first coefficient to generate a stereo 2-channel signal including both the first and second audio signals, and based on the second coefficient Selecting one of the modes or titles to downmix the multi-channel signal to generate a stereo two-channel signal that includes the first audio signal and does not include the second audio signal;
Downmixing a multi-channel signal into a stereo 2-channel signal in the selected mode or title;
A method for transmitting an audio signal is provided.
[0010]
According to the invention, a multi-channel signal including at least two channels of first audio signals and at least one channel of second audio signals;
A first coefficient for downmixing the multi-channel signal into two stereo channels to reproduce both the first and second audio signals;
A second coefficient for down-mixing the multi-channel signal into two stereo channels to reproduce the first audio signal and not to reproduce the second audio signal;
An audio disc having a data structure recorded thereon is provided.
[0011]
According to the present invention, the music source is a multi-channel signal including a first audio signal of at least two channels and a second audio signal of at least one channel; A first coefficient for reproducing both the first and second audio signals, and the second audio signal by downmixing the multi-channel signal into two stereo channels to reproduce the first audio signal. Means for formatting into a data structure having a second coefficient for not reproducing
An encoding device is provided.
[0012]
According to the invention, a multichannel signal including at least two channels of a first audio signal and at least one channel of a second audio signal, and down-mixing the multichannel signal into two stereo channels, the first, A first coefficient for reproducing both of the second audio signals and the multi-channel signal are down-mixed to two stereo channels to reproduce the first audio signal and not the second audio signal. A decoding device for decoding a data structure having a second coefficient for:
A mode or title for downmixing the multi-channel signal based on the first coefficient to generate a stereo 2-channel signal including both the first and second audio signals, and based on the second coefficient Means for down-mixing the multi-channel signal to select one of the modes or titles for generating a stereo 2-channel signal that includes the first audio signal and does not include the second audio signal;
Means for downmixing a multi-channel signal into a stereo two-channel signal in the selected mode or title;
A decoding device is provided.
[0013]
DETAILED DESCRIPTION OF THE INVENTION
Embodiments of the present invention will be described below with reference to the drawings.
FIG. 1 shows a basic format of a DVD audio disk as an example. This basic format has ATS (Audio Title Set), and this ATS is in order from the top.
-ATSI (ATS information),
Audio object set (AOTT-AOBS) for audio-only titles shown in detail in FIGS.
-It is configured with ATSI for backup.
[0014]
ATSI in order from the top
-ATSI-MAT (ATSI management table) shown in detail in FIGS.
It is composed of ATS-PGCIT (ATS program chain information table) shown in detail in FIGS.
[0015]
As shown in detail in FIG. 2, the AOTT-AOBS is composed of a plurality of audio objects for audio only titles (AOTT-AOB). Each of AOTT-AOB is composed of a plurality of programs (PG), and each of the programs is composed of a plurality of cells (ATS-C). AOTT-AOB includes audio data only, audio data and real time information data (RTI data), audio data, still picture data (SPCT data) and RTI data. It is composed of three types of AOTT-AOB. One or more types of AOTT-AOB are arranged in one disc or one song.
[0016]
Each program of the first AOTT-AOB including only audio data is composed of a plurality of audio cells (ATS-C), and this audio cell is composed of only a plurality of audio packs. Each program of the second AOTT-AOB including the audio data and the RTI data is composed of a plurality of audio cells (ATS-C), and the audio cell includes the RTI pack arranged at the second pack position and other packs. The audio pack is arranged at the position.
[0017]
Each program of the third AOTT-AOB including audio data, SPCT data, and RTI data is composed of a picture cell, a silent cell, and an audio cell in order from the top. The picture cell is composed of only a plurality of SPCT packs, the silent cell is composed of only a plurality of audio packs (silences), and this audio cell includes the RTI pack arranged at the second pack position and the other pack positions. The audio pack is arranged in
[0018]
The A-pack of linear PCM is composed of 2048 bytes or less, and the breakdown is composed of a 14-byte pack header and an A packet as shown in FIG. The A packet is composed of a 17, 9 or 14 byte packet header, a private header shown in detail in FIG. 4, and 1 to 2011 byte audio data (linear PCM).
[0019]
The private header is as shown in Figure 4
An 8-bit substream ID;
A 3-bit reserved area;
A 5-bit UPC / EAN-ISRC (Universal Product Code / European Article Number-International Standard Recording Code) number;
-8-bit UPC / EAN-ISRC data;
-8-bit private header length,
A 16-bit first access unit pointer;
・ 8-byte audio data information (ADI)
・ 0 to 8 bytes of stuffing bytes
It is comprised by.
[0020]
ADI is
1-bit audio emphasis flag,
A 1-bit reserved area;
-1-bit downmix mode,
・ Effectiveness of 1-bit downmix code,
・ 4-bit downmix code,
A quantization word length “1” of a 4-bit group “1”;
A quantization word length “2” of a 4-bit group “2”;
A 4-bit group “1” audio sampling frequency fs1,
A 4-bit group “2” audio sampling frequency fs2,
A 4-bit reserved area;
・ 4-bit multi-channel type,
The bit shift data (see FIG. 6) of the 3-bit channel group “2”;
-5-bit channel allocation information (see Fig. 12);
・ 8-bit dynamic range control information,
・ 8 × 2 bits reserved area
It is comprised by.
[0021]
Next, the configuration of the RTI pack will be described in detail with reference to FIG. This pack is composed of a 14-byte pack header and an RTI packet, and the RTI packet is composed of a 17- or 14-byte packet header, an RTI private header, and 1 to 2015-byte RTI data. RTI data is character information and reproduction control information related to audio data.
[0022]
The private header of the RTI packet is
A 1-byte substream ID,
-2-byte UPC / EAN-ISRC number and data (in the figure, these are simply expressed as ISRC),
-1 byte private header length,
-1-byte RTI information ID,
・ 0-7 byte stuffing byte
It is comprised by.
The UPC / EAN-ISRC number and data are the UPC / EAN-ISRC number and data related to the copyright of the still picture stored in the SPCT pack.
[0023]
As shown in detail in FIG. 6, the SPCT pack is composed of a 14-byte pack header and an SPCT packet. The SPCT packet is composed of a 22 or 19 or 9-byte packet header and 2025 bytes or less of SPCT (still picture) data. ing. Here, one still image is compressed by the MPEG1 or MPEG2 system, is composed of an I picture and an intra-coded picture, is divided within one picture cell, and is arranged as SPCT data of an SPCT pack.
The UPC / EAN-ISRC number and data related to the still picture copyright may be included in the packet header of the SPCT pack as described in the RTI pack.
[0024]
The ATSI-MAT shown in FIG. 1 is composed of 2048 bytes (relative byte positions RBP 0 to 2047) as shown in detail in FIG.
A 12-byte (RBP 0-11) ATS identifier (ATS-ID);
4 bytes (RBP 12-15) ATS end address (ATS-EA),
A 12-byte (RBP 16-27) reserved area;
-4-byte (RBP28-31) ATSI end address (ATSI-EA),
・ Version number (VERN) of 2 bytes (RBP 32-33),
94 bytes (RBP 34 to 127) reserved area,
-4-byte (RBP128-131) ATSI-MAT end address;
-60 bytes (RBP 132-191) reserved area;
4 bytes (RBP 192 to 195) AOTT VTS start address,
・ Start address of AOBS for AOTT of 4 bytes (RBP 196 to 199) or start address of VOBS for AOTT,
A reserved area of 4 bytes (RBP 200 to 203);
4 bytes (RBP 204 to 207) of ATS-PGCIT start address,
-48 bytes (RBP 208-255) reserved area,
128 A (16 × 8) bytes (RBP 256 to 383) AOT attribute for AOTT (AOTT-AOB-ATR) or VOT audio stream attribute for AOTT (AOTT-VOB-AST-ATR)
A coefficient (ATS-DM-COEFT # 0 to # 15) of 288 (18 × 8) bytes (RBP 384 to 671) for downmixing multi-channel audio data to two channels;
A 32-byte (RBP 672-703) reserved area;
Two-byte (RBP 704 to 705) attributes of still picture data (ATS-SPCT-ATR) in AOBS for AOTT,
-It is composed of a reserved area of 1342 bytes (RBP 706 to 2047).
[0025]
In the area of 128 (16 × 8) bytes (RBPs 256 to 383), when this ATS has AOTS for AOTT, AOTT-AOB-ATR shown in detail in FIG. 8 is described. This AOTT-AOB-ATR (b127-b0) is in order from the MSB side.
An audio encoding mode of 8 bits (b127 to b120);
An 8-bit (b119 to b112) reserved area;
A quantization bit number Q1 of a channel group “1” of 4 bits (b111 to b108);
A quantization bit number Q2 of a channel group “2” of 4 bits (b107 to b104);
A sampling frequency fs1 of a channel group “1” of 4 bits (b103 to b100);
A sampling frequency fs2 of a 4-bit (b99 to b96) channel group “2”;
3 bit (b95 to b93) multi-channel structure type;
-Channel assignment of 5 bits (b92 to b88);
-It is composed of a reserved area of 8 bits x 11 (b87 to b0).
[0026]
On the other hand, when this ATS does not have AOTS for AOTT, AOTT-VOB-AST-ATR shown in FIG. 9 is described. This AOTT-VOB-AST-ATR (b127-b0) is in order from the MSB side.
An audio encoding mode of 8 bits (b127 to b120);
An 8-bit (b119 to b112) reserved area;
A 4-bit (b111 to b108) quantization bit number Q;
A 4-bit (b107 to b104) reserved area;
A sampling frequency fs of 4 bits (b103 to b100),
A 4-bit (b99 to b96) reserved area;
3 bit (b95 to b93) multi-channel structure type;
-Channel assignment of 5 bits (b92 to b88);
3 bit (b87 to b85) decoding audio stream number;
A 5-bit (b84 to b80) reserved area;
A 2-bit (b79, b78) MPEG audio DRC;
A 2-bit (b77, b76) reserved area;
A 4-bit (b75-b72) number of compressed audio channels;
-It is composed of a reserved area of 8 bits x 9 (b71 to b0).
[0027]
The above data is shown in detail below.
(1) Audio encoding mode (b127 to b120)
00000000b: Linear PCM mode
00000001b: reserved for compressed audio (Dolby Digital)
00000010b: reserved for compressed audio (no MPEG2 extension)
00000011b: Reserved for compressed audio (with MPEG2 extension)
00000100b: reserved for compressed audio (DTS)
00000101b: Reserved for compressed audio (SDDS)
Other: Reserved for other encoding modes
[0028]
(2) Quantization bit number Q1 (b111 to b108) of channel group 1
0000b: 16 bits
0001b: 20 bits
0010b: 24 bits
Other: Hold
(3) Quantization bit number Q2 of channel group 2 (b107 to b104)
When the number of quantization bits Q1 of channel group 1 is “0000b”, “0000b”
“0000b” or “0001b” when the number of quantization bits Q1 of channel group 1 is “0001b”
“0000b”, “0001b” or “0010b” when the number of quantization bits Q1 of channel group 1 is “0010b”
However, 0000b: 16 bits
0001b: 20 bits
0010b: 24 bits
Other: Hold
[0029]
(4) Sampling frequency fs1 (b103 to b100) of channel group 1
0000b: 48 kHz
0001b: 96 kHz
0010b: 192 kHz
1000b: 44.1 kHz
1001b: 88.2 kHz
1010b: 176.4 kHz
Other: Hold
[0030]
(5) Sampling frequency fs2 of channel group 2 (b99 to b96)
“0000b” when the sampling frequency fs1 of channel group 1 is “0000b”
When the sampling frequency fs1 of the channel group 1 is “0001b”, “0000b” or “0001b”
When the sampling frequency fs1 of the channel group 1 is “0010b”, “0000b”, “0001b” or “0010b”
“1000b” when the sampling frequency fs1 of channel group 1 is “1000b”
When the sampling frequency fs1 of the channel group 1 is “1001b”, “1000b” or “1001b”
When the sampling frequency fs1 of the channel group 1 is “1010b”, “1000b”, “1001b”, or “1010b”
[0031]
(6) Type of multi-channel structure (b95 to b93)
000b: Type 1
Other: Hold
(7) Channel assignment (b92 to b88)
FIG. 10 shows channel assignment information of groups “1” and “2” from 1 channel (monaural) to 6 channels. Incidentally, the symbols shown in the figure will be described below.
C (mono): Monaural
L, R: 2-channel stereo
Lf: multi-channel left front
Rf: Multi-channel right front
C: Multi-channel center
LFE: Multi-channel Low Frequency Effect
S: Multi-channel surround
Ls: Multi-channel left surround
Rs: Multi-channel light surround
[0032]
(8) Number of decoding audio streams (b87 to b85)
“0” or “1”
(9) MPEG audio DRC (b79, b78)
00b: There is no DRC data in the MPEG audio stream.
01b: DRC data exists in the MPEG audio stream.
[0033]
(10) Number of compressed audio channels (b75 to b72)
“1111b” when the audio encoding mode is linear PCM audio
0000b: 1ch (mono)
0001b: 2ch (stereo)
0010b: 3ch
0011b: 4ch
0100b: 5ch
0101b: 6ch
0110b: 7ch
0111b: 8ch
Other: Hold
[0034]
In the area of 288 (18 × 16) bytes (RBP 384 to 671) shown in FIG. 7, in order to downmix multi-channel audio data into two channels, table numbers “0” to “15” as shown in FIG. Each downmix coefficient (ATS-DM-COEFT # 0 to # 15) is described in 18 bytes.
[0035]
The ATS-PGCIT (ATS program chain information table) shown in FIG. 1 is in order from the top as shown in detail in FIG.
Audio title set PGCI table information (ATS-PGCITI) shown in detail in FIG.
N audio title set PGCI search pointers (ATS-PGCI-SRP # 1 to #n) shown in detail in FIGS.
It is composed of a plurality of audio title sets PGCI (ATS-PGCI) shown in detail in FIG.
[0036]
The ATS-PGCITI is composed of 8 bytes as shown in detail in FIG.
The number of 2-byte ATS-PGCI-SRP # 1 to #n,
A 2-byte reserved area;
-Consists of a 4-byte ATS-PGCIT end address. Each of ATS-PGCI-SRP # 1 to #n is composed of 8 bytes as shown in detail in FIG.
As shown in detail in FIG. 15, the 4-byte ATS-PGC category (ATS-PGC-CAT) and
-It consists of a 4-byte ATS-PGCI end address.
[0037]
The 4-byte (b31 to b0) ATS-PGC category is in order from the top as shown in FIG.
-1-bit (b31) entry type,
7 bit (b30 to b24) ATS audio title number (ATS-TTN);
-2 bit (b23, b22) block mode;
-2-bit (b21, b20) block type;
The number of 4-bit (b19 to b16) audio channels;
An 8-bit (b15 to b8) audio encoding mode;
-It is composed of a reserved area of 8 bits (b7 to b0).
[0038]
The contents of the category (ATS-PGC-CAT) are shown in detail below.
(1) Entry type (b31)
0b: Not an entry PGC
1b: Entry PGC
(2) Number of ATS audio titles (b30 to b24)
The number of audio titles of this ATS is described in the range of “1” to “99”.
(3) Block mode (b23, b22)
00b: Not ATS-PGC of ATS-PGC block
01b: First ATS-PGC of the ATS-PGC block
10b: Hold
11b: ATS-PGC at the end of the ATS-PGC block
(4) Block type (b21, b20)
00b: Not part of this block
01b: Difference block only in audio coding mode
10b: Difference block of audio channel only
11b: difference block for both audio coding mode and audio channel
(5) Number of audio channels (b19 to b16)
0000b: 2 channels or less
0001b: over 2 channels
[0039]
Each of the audio title sets PGCI (ATS-PGCI) shown in FIG. 12 is in order from the top as shown in FIG.
ATS-PGC general information (ATS-PGC-GI) shown in detail in FIG. 17 and FIG. 18,
ATS program information table (ATS-PGIT) shown in detail in FIGS.
It is configured by an ATS cell playback information table (ATS-C-PBIT) shown in detail in FIGS.
[0040]
The ATS-PGC-GI is composed of 16 bytes (RBP0 to 15) as shown in detail in FIG.
-4-byte (RBP0-3) ATS-PGC content (ATS-PGC-CNT) shown in detail in FIG.
4 bytes (RBP4-7) ATS-PGC playback time (ATS-PGC-PB-TM),
A 2-byte (RBP8, 9) reserved area;
A 2-byte (RBP10, 11) ATS-PGIT start address;
A 2-byte (RBP 12, 13) ATS-C-PBIT start address;
-It consists of a reserved area of 2 bytes (RBP14, 15).
[0041]
The above ATS-PGC contents of 4 bytes (b31 to b0) are in order from the top as shown in detail in FIG.
A 17-bit (b31 to b15) reserved area;
・ The number of programs of 7 bits (b14 to b8)
-It is configured by the number of cells of 8 bits (b7 to b0). The number of programs is in the range of “1” to “99”, and the number of cells is in the range of “1” to “255”.
[0042]
The ATS program information table (ATS-PGIT) shown in FIG. 16 includes n ATS program information (ATS-PGI) # 1 to #n as shown in detail in FIG. Each of ATS-PGI # 1 to #n is composed of 20 bytes (RBP0 to 19) as shown in detail in FIG.
-4-byte (RBP0-3) ATS-PG content (ATS-PG-CNT) shown in detail in FIG.
1 byte (RBP4) ATS-PG entry cell number,
-1 byte (RBP5) reserved area;
Start of the first audio cell of 4 bytes (RBP 6-9) ATS-PG
・ Presentation time (FAC-S-PTM)
4 bytes (RBP 10-13) of ATS-PG playback time,
4 bytes (RBP 14-17) ATS-PG pause time,
1 byte (RBP18) reserved area (for copyright management data CMI),
-1 byte (RBP19) reserved area
It is comprised by.
[0043]
The 2-byte (b31-0) ATS-PG contents are in order from the top as shown in detail in FIG.
1 bit (b31), the relationship between the previous and current PG (R / A),
1-bit (b30) STC discontinuity flag (STC-F);
・ The number of attributes (ATRN) of 3 bits (b29 to b27),
3 bit (b26 to b24) channel group (ChGr) “2” bit shift data;
A 2-bit (b23, b22) reserved area;
1-bit (b21) downmix mode (D-M),
・ Effectiveness of 1-bit (b20) downmix coefficient (shown *),
A 4-bit (b19 to b16) downmix coefficient table number (DM-COEFTN);
Each is composed of RTI flags F15 to F0 of 1 bit and 16 bits (b15 to b0) in total.
[0044]
The ATS cell playback information table (ATS-C-PBIT) shown in FIG. 16 includes n ATS cell playback information (ATS-C-PBI) # 1 to 1 as shown in detail in FIG. #N. Each of ATS-C-PBI # 1 to #n is composed of 12 bytes (RBP0 to 11) as shown in detail in FIG.
1-byte (RBP0) ATS-C index number;
As shown in detail in FIG. 24, a 1-byte (RBP1) ATS-C type (ATS-C-TY),
A 2-byte (RBP2, 3) reserved area;
4 bytes (RBP 4-7) ATS-C start address,
• It is composed of an ATS-C end address of 4 bytes (RBP 8 to 11).
[0045]
The 1-byte (b7 to b0) ATS-C type is in order from the beginning as shown in detail in FIG.
A 2-bit (b7, b6) ATS cell element (ATS-C-COMP);
A 2-bit (b5, b4) reserved area;
-It is configured with 4-bit (b3 to b0) ATS cell usage (ATS-C-Usage).
[0046]
The contents of the data are shown in detail below.
(1) ATS cell element (b7, b6)
00b: Audio cell consisting only of audio data
01b: Audio cell consisting of audio data and real-time information
10b: Silence cell consisting only of audio data for silence
11b: Picture cell consisting only of still pictures
(2) ATS cell application (b3 to b0)
0000b: No description
0001b: Spotlight part
Other: Hold
[0047]
Next, the above-described DVD audio disk encoding apparatus will be described. 25 and 26 show the configuration and processing of the encoding apparatus, respectively. The analog audio signal A is sampled by the A / D converter 31 at a sufficiently high sampling frequency (sampling period Δt), for example, 192 kHz, and converted to a 24-bit high resolution PCM signal, for example. In the subsequent bit shift / signal processing circuit 32, when compression is not performed, the PCM data converted by the A / D converter 31 is applied to the DVD formatting unit 34 as it is. On the other hand, when compression is performed, the PCM data converted by the A / D converter 31 is compressed by the bit shift / signal processing circuit 32 according to the encoding mode, and then applied to the DVD formatting unit 34. (Steps S5 and S6). In the bit shift / signal processing circuit 32, each channel of the group “2” is bit shifted.
[0048]
The video signal V is converted into a digital signal by the A / D converter 31V, and then the digital video signal is encoded into the MPEG format by the V encoder 32V and applied to the DVD formatting unit 34 (steps S1 and S2). . The still image signal SP is converted into a digital signal by the A / D converter 31SP, and then the digital still image signal SP is encoded into the MPEG format by the compression encoder 32SP and applied to the DVD formatting unit 34 (step S3). , S4). Also, copyright information and real-time text (RT) information are applied via the interface (I / F) 40 (steps S7 and S8), and character information and disc identifier EX are applied to the DVD formatting unit 34 (step S7). S9, S10).
[0049]
Then, the DVD formatting unit 34 packs each input data into the format as described above (step S11). The data formatted by the DVD formatting unit 34 is modulated by a modulation circuit 35 in accordance with a modulation method corresponding to the disc, and a disc is manufactured based on the modulated data, recorded once in the recording unit 38, or communicated. The data is transmitted via the I / F 39 (step S12).
[0050]
FIG. 27 shows an audio encoding unit extracted from the encoding apparatus. First, 5-channel signals of front left FL, center C, front right FR, rear left or karaoke left RL / KL and rear right / karaoke right RR / KR are input to the input terminals 101 to 105 as multi-channel signals, respectively. And applied to the DVD audio formatting processing unit 106. Also, the coefficient and character data for downmixing the 5-channel signal to the stereo 2-channel are applied to the DVD audio formatting processor 6 via the input terminals 107 and 109 and the I / Fs 108 and 110, respectively. Then, in the DVD audio formatting processing unit 106, based on the operation instruction of the operation input unit 113 and the control of the system controller 114, the multi-channel signal is arranged in the A pack shown in FIG. 2, and the downmix coefficient is shown in FIG. -It is arranged in DM-COEFT # 0 to # 15, and the character data is arranged in the RTI pack shown in FIG.
[0051]
Here, the input downmix coefficient is a plurality of coefficients recommended by a skilled mixer when downmixing a 5-channel signal to two stereo channels, and conversion using the downmix coefficients α, β, and γ. The formula is as follows.
Stereo L = α × FL + β × C + γ × RL / KL
Stereo R = α × FR + β × C + γ × RR / KR
[0052]
As a first use example, accompaniment music and vocal music are arranged in the front channels FL, C, FR and rear channels RL / KL, RR / KR, respectively.
The coefficients α, β, γ for performing normal 5-channel surround playback,
The coefficients α, β, and γ for down-mixing 5 channels into 2 channels L and R and mixing the rear channels RL / KL and RR / KR into 2 channels L and R for playback,
-Coefficients α, β, γ for performing 5 channel surround playback without playing rear channels RL / KL, RR / KR for karaoke playback,
-Downmixing 5 channels to 2 channels L and R, and multiple coefficients α, β, such as coefficients α, β, γ, etc., for not playing the rear channels RL / KL and RR / KR for karaoke playback , Γ can be recorded.
[0053]
As a second example of use, accompaniment music is arranged in the front channels FL, C, FR, and duet male vocals and female vocals are arranged in the rear channels RL / KL, RR / KR, respectively.
The coefficients α, β, γ for performing normal 5-channel surround playback,
-Coefficients α, β, γ for down-mixing to 2 channels L and R for playback,
-Coefficients α, β, γ for performing surround playback of 5 channels to perform karaoke playback without playing both male and female voices,
-Coefficients α, β, γ for down-mixing to 2 channels L and R to perform karaoke playback without playing both male and female voices,
-Coefficients α, β, γ for performing surround playback of 5 channels in order to perform karaoke playback without playing either male or female voice,
・ Records multiple coefficients α, β, γ such as coefficients α, β, γ for downmixing to 2 channels L and R to perform karaoke playback without playing either male or female voice A method is conceivable.
[0054]
FIG. 28 shows a specific configuration of the above-described DVD audio disk decoding apparatus, and FIG. 29 functionally shows the configuration of FIG. FIG. 30 shows the processing. 28 and 29, first, when a song selection, playback, fast forward, and stop operation is performed by the operation unit 18 or the remote control device 19, the control unit 23 controls the drive device 2 and the playback device 17 according to the operation. During reproduction, the pit data recorded on the DVD audio disk 1 is read by the drive device 2 and then EFM demodulated.
[0055]
In the playback device 17, this signal is sent to the still image / V pack detection unit 3 and the A / RTI pack detection unit 9. When still image packs and V packs are recorded on the disc 1, the still image and V pack detection unit 3 detects the still image packs and V packs in the reproduction data and sets control parameters in the parameter unit 8. At the same time, the still image pack and the V pack are sequentially written in the still image and V pack buffer 4. The still image pack and the user data (video signal and still image information) written in the V pack buffer 4 are stored in the order of the pack based on the SCR in the still image pack and the V pack by the buffer extraction unit 5. Also, they are taken out in order of output time, and then output as analog video signals via the decompression and image conversion unit 6, the D / A conversion unit 7, and the video output terminals 15 and 15 '.
[0056]
The A and RTI pack detection unit 9 detects the A pack and RTI pack in the reproduction data, sets control parameters in the parameter unit 14, and sequentially writes the A pack and RTI pack in the A and RTI pack buffer 10. User data (audio signal, real-time information) in the A pack and the RTI pack written in the A and RTI pack buffer 10 is extracted by the buffer extraction unit 11 in the order of the pack and in the order of the output time. The audio signal is output as an analog audio signal via the PCM conversion and bit shift / signal processing unit 12, the D / A conversion unit 13, and the audio output terminal 16. The real-time information is sent to the display signal generation unit 20 to generate a display signal. This display signal is output via the display signal output terminal 22 or output to the built-in character display unit 21.
[0057]
The processing of this decoding apparatus will be described with reference to FIG. First, the recorded data is read by accessing the disc 1 (step S20), and then in each of the separation steps S21 to S29, a video signal, a still image signal, an audio signal, copyright information and real-time text (RT) information, Character information and disc identifier (EX) are separated. Next, in each decoding step S22 to S30, each separated data is decoded and then reproduced synchronously (steps S31 and S32).
[0058]
FIG. 31 shows an audio decoding unit extracted from the decoding apparatus. First, data input via the input terminal 115 is converted into 5-channel signals FL, C, FR, RL / KL, RR / KR, downmix coefficients α, β, γ, and character data by the DVD audio deformatting processing unit 116. Separated. In the case of outputting as 5 channels, it is output as it is through the multi-channel output terminals 119 to 123. On the other hand, in the case of downmixing and outputting, the stereo 2 channel signal L is output by the downmixer 117 based on the above equation. , R and output through stereo output terminals 124 and 125. At this time, the user selects one of the combinations of the downmix coefficients α, β, and γ reproduced from the disc 1 to select a coefficient recommended by a skilled mixer and does not include reproduction or vocals including vocals. Karaoke playback can be performed.
[0059]
That is, the user selects a downmix mode. On the other hand, the user's selection operation can be simplified by fixing the downmix coefficient to the title. Therefore, a plurality of ATSs in the AOTT-AOBS shown in FIG. That is, an ATS only for accompaniment, an ATS only for vocal channels, an ATS for accompaniment and vocal channels, and the like are prepared in advance, and the user selects a downmixed title.
[0060]
FIGS. 32 and 33 respectively show an audio encoding unit and an audio decoding unit in the case where three channels (left L, right R, vocal K) are used as the second embodiment. In the audio encoding unit, of the above three channels, accompaniment music (or piano concerto orchestra part) is arranged in 2 channels L and R, and vocal (or piano concerto piano part) is arranged in vocal channel K. The And when down-mix coefficients α, β, and γ, when the decoder side performs 3 channel reproduction,
FL = α × L
C = β × K
FR = γ × R
A coefficient for performing the calculation is transmitted.
[0061]
According to the second embodiment, as shown in FIG. 33, the decoder side of 2-channel reproduction can reproduce only the vocal channel K if β = 1 and α = γ = 0, and β = If set to 0, α = γ = 1, only the accompaniment channels L, R can be played,
L = L + K
R = R + K
Can be reproduced by mixing the vocal channel K with the accompaniment channels L and R (output terminals 124 and 125 in the figure). Further, the decoder side for three-channel reproduction can reproduce each channel L, R, K as it is, or can mix and reproduce based on the transmitted coefficients α, β, γ (illustrated output terminals 119, 120). 121).
[0062]
FIG. 34 and FIG. 35 respectively show an audio encoding unit using 6 channels (front left FL, center or vocal C / K, front right FR, rear left RL, rear right RR, LFE) as the third embodiment. The audio decoding part is shown. In the audio encoding unit, vocals are arranged on, for example, channel C / K among the above six channels, and accompaniment music is arranged on the remaining five channels. Then, the following downmix coefficient is transmitted for the decoder side to perform the downmix.
L = α × FL + β × C / K + γ × RL + δ × LFE
R = α × FR + β × C / K + γ × RR + δ × LFE
[0063]
Accordingly, in this third embodiment as well, as shown in FIG. 35, the decoder side for 2-channel playback reproduces only the vocal channel K if β = 1 and α = γ = δ = 0. If β = 0 and α = γ = δ = 1, only the accompaniment channels L and R can be reproduced. Of course, the 6-channel playback decoder can play back all channels.
FL = FL + α × C / K
C = 0
FR = FR + α × C / K
Can be reproduced even with 5 channels.
[0064]
Furthermore, when applied to a car audio system for the right steering wheel, the playback sound moves to the left if the left channel coefficient is set to 0.5, so that it can be played back with the right / left balance optimal for the right driver. . The downmix coefficient may be arranged in the RTI pack shown in FIG. 2 instead of being arranged in ATS-DM-COEFT # 0 to # 15 shown in FIG. The transmission data may be a 1-bit stream signal in addition to PCM data. In this case, since it is difficult to mix on the decoder side, only the multi-channel output may be provided without providing the 2-channel downmix output, and the vocal channel may be muted without mixing.
[0065]
Here, there are the following three processes for reproducing the still image SP.
1) When the still image SP is obtained, the reproduction of the audio signal A is interrupted and muted.
2) When the still image SP is obtained, it is reproduced together with the audio signal A based on the time control signal.
3) When the still image SP is obtained, the page turning reproduction is performed based on the page turning command instructed by the user. At this time, the audio signal A is reproduced as it is.
[0066]
Here, in addition to the method of incorporating and using the above audio decoding unit as a part of a disk playback device, it can be configured as an IC chip as a single product and used as a component of a DVD video playback device or a personal computer. it can.
[0067]
Next, an embodiment in which the digital audio signal formatted as described above is transmitted via a communication line will be described. First, the packing apparatus on the transmission side will be described with reference to FIGS. As shown in FIG. 36, the packing apparatus includes a packing processing unit 30, a buffer memory 30B, a control circuit 29, an operation unit 27, and a display 28. 37 to 40, first, when the video signal V, the still image signal SP, the audio signal A, the real-time information RTI, and the disc identifier (EX) are input, in step S100, as shown in detail in FIG. An audio pack is generated (step S101), then a video pack is generated (step S102), a still picture pack is then generated (step S103), and then real-time text is generated (step S104).
[0068]
Next, the cell (ATS-C) is managed (step S200), then the PTT (part of title) is managed (step S300), then the title (AOTT-AOB) is managed (step S400), and then the title set (AOTT) -Manage AOBS (step S500) In the following step S600, in order to generate an ATS, a title set is generated as shown in detail in Fig. 39 (step S601), and then a menu is generated (step S602). -The category of PGCI is described (step S603), and then ATS-PGCIT is generated by generating PGCI composed of PG contents including bit shift and generating PGCI (step S604). By creating A Generating a SI (step S605). Then generate AMG (step S700), finally to produce a TOC (step S800).
[0069]
Next, when the digital audio signal formatted as described above is transmitted via a communication line, as shown in FIG. 40, the transmission data stored in the transmission buffer is divided into predetermined lengths and packets are transmitted. Then, a header including the destination address is added to the beginning of the packet (step S42), and this is then output on the network (step S43).
[0070]
Next, the data receiving side will be described with reference to FIGS. As shown in FIG. 41, the unpacking device on the data receiving side includes an unpacking processing unit 60, a buffer memory 60B, a parameter memory 56, a control circuit 59, an operation unit 57, and a display 58. First, as shown in FIG. 42, the header is removed from the packet received from the network (step S51), then the received data is restored (step S52), and then transferred to the memory (step S53).
[0071]
Next, as shown in FIGS. 43 to 45, first, the AMG is decoded to detect the ATS (step S1100), and in the subsequent step S1200, in order to decode the ATSI of the target ATS, as shown in detail in FIG. ATS-PGCI category is decoded (step S1201), then PGIT composed of PG content including bit shift is decoded (step S1202), then MAT attributes and coefficients are decoded (step S1203), and then these are decoded. Each parameter is set in the parameter memory 56 (step S1204).
[0072]
Next, when playback is started, the pack is identified (step S1300), and in the subsequent step S1400, the audio pack is decoded as shown in detail in FIG. 45 to decode the pack (step S1401), and then the video pack is decoded. Then, the still picture pack is decoded (step S1403), and then the real-time text is decoded (step S1404). Then, an audio signal, a video signal, a still image signal, and a real-time text signal decoded from each pack are output (step S1500), and the processing from step S1300 to step S1500 is repeated during reproduction.
[0073]
The encoding device and the decoding device can also be realized by storing the encoding method and the decoding method as a computer program in an IC chip such as a ROM and operating a CPU (central processing unit) of the computer by this program. Further, the present invention can also be applied to a case where data is transmitted via a communication line such as the Internet or a karaoke communication line and is reproduced by hardware or an application on a PC on the reproduction side.
[0074]
【The invention's effect】
As described above, according to the present invention, for example, an optimum coefficient for downmixing a multichannel signal including a first audio signal such as accompaniment music and a second audio signal such as vocal music into two stereo channels is obtained. Since transmission is performed via a recording medium or a communication medium, it is possible to improve usability for the user when the multi-channel is down-mixed into two channels for reproduction.
[Brief description of the drawings]
FIG. 1 is an explanatory diagram showing an audio title set (ATS) and audio title set information (ATSI) of an audio disc according to a first embodiment.
FIG. 2 is an explanatory diagram showing in detail the audio object set (AOTT-AOBS) for audio-only titles in FIG. 1;
FIG. 3 is an explanatory diagram showing in detail an example of the audio pack of FIG. 2;
4 is an explanatory diagram showing in detail the private header of FIG. 3. FIG.
FIG. 5 is an explanatory diagram showing in detail the real-time information (RTI) pack in FIG. 2;
6 is an explanatory diagram showing in detail the still picture (SPCT) pack of FIG. 2; FIG.
7 is an explanatory diagram showing in detail the audio title set information management table (ATSI-MAT) in FIG. 1; FIG.
FIG. 8 is an explanatory diagram showing in detail the audio object attribute (AOTT-AOB-ATR) for audio-only titles in FIG. 7;
FIG. 9 is an explanatory diagram showing in detail the video object audio stream attribute (AOTT-VOB-AST-ATR) for audio-only titles in FIG. 7;
10 is an explanatory diagram showing in detail the channel assignment information of FIGS. 8 and 9. FIG.
11 is an explanatory diagram showing in detail the downmix coefficient (ATS-DM-COEFT) of FIG. 7; FIG.
12 is an explanatory diagram showing in detail the audio title set program chain information table (ATS-PGCIT) in FIG. 1; FIG.
13 is an explanatory diagram showing in detail the ATS-PGCIT information (ATS-PGCITI) in FIG. 12. FIG.
14 is an explanatory diagram showing in detail an ATS-PGCI search pointer (ATS-PGCI-SRP) in FIG. 12; FIG.
15 is an explanatory diagram showing in detail the ATS-PGC category (ATS-PGCI-CAT) in FIG. 14; FIG.
16 is an explanatory diagram showing in detail the audio title set program chain information (ATS-PGCI) in FIG. 12; FIG.
FIG. 17 is an explanatory diagram showing in detail the ATS-PGC general information (ATS-PGC-GI) in FIG. 16;
18 is an explanatory diagram showing in detail the ATS-PGC content (ATS-PGC-CNT) in FIG. 17; FIG.
FIG. 19 is an explanatory diagram showing in detail the ATS program information table (ATS-PGIT) of FIG. 16;
FIG. 20 is an explanatory diagram showing in detail the ATS program information (ATS-PGI) of FIG. 19;
FIG. 21 is an explanatory diagram showing in detail the ATS-PG content (ATS-PG-CNT) in FIG. 20;
22 is an explanatory diagram showing in detail the ATS cell playback information table (ATS-C-PBIT) in FIG. 19; FIG.
23 is an explanatory diagram showing in detail the ATS cell playback information (ATS-C-PBI) of FIG. 22. FIG.
24 is an explanatory diagram showing in detail the ATS-C type (ATS-C-TY) in FIG. 23. FIG.
FIG. 25 is a block diagram showing an encoding apparatus for a DVD audio disk.
26 is a flowchart showing processing of the encoding apparatus of FIG. 25. FIG.
27 is a block diagram showing an audio encoding unit in FIG. 25. FIG.
FIG. 28 is a block diagram showing a DVD audio disk decoding device.
29 is a block diagram functionally showing the decoding device of FIG. 28. FIG.
30 is a flowchart showing processing of the decoding device of FIGS. 28 and 29. FIG.
31 is a block diagram showing an audio decoding unit in FIG. 29. FIG.
FIG. 32 is a block diagram illustrating an audio encoding unit according to the second embodiment;
FIG. 33 is a block diagram illustrating an audio decoding unit according to the second embodiment.
FIG. 34 is a block diagram illustrating an audio encoding unit according to a third embodiment;
FIG. 35 is a block diagram illustrating an audio decoding unit according to a third embodiment.
FIG. 36 is a block diagram showing a packing device when transmitting an audio signal.
FIG. 37 is a flowchart showing a packing process of the packing apparatus of FIG.
38 is a flowchart showing in detail the pack generation process of FIG. 37. FIG.
FIG. 39 is a flowchart showing in detail the ATS generation process of FIG. 37;
40 is a flowchart showing transmission processing of the packing device of FIG. 36. FIG.
FIG. 41 is a block diagram showing an unpacking apparatus when transmitting an audio signal.
42 is a flowchart showing reception processing of the unpacking apparatus in FIG. 41. FIG.
43 is a flowchart showing an unpacking process of the unpacking apparatus in FIG. 41. FIG.
44 is a flowchart showing in detail the ATSI decoding process of FIG. 43. FIG.
45 is a flowchart showing in detail the pack decoding process of FIG. 43. FIG.
[Explanation of symbols]
113 Operation unit (mode selection means)
106 DVD audio formatting processor (formatting means)
116 DVD audio deformatting processing unit
117 Downmixer (Downmix means)
132 System Controller

Claims

A multi-channel signal including at least two channels of a first audio signal and at least one channel of a second audio signal, and both the first and second audio signals by downmixing the multi-channel signal to two stereo channels. And a second coefficient for down-mixing the multi-channel signal into two stereo channels to reproduce the first audio signal and not to reproduce the second audio signal. Transmitting, and
A mode or title for downmixing the multi-channel signal based on the first coefficient to generate a stereo 2-channel signal including both the first and second audio signals, and based on the second coefficient Selecting one of the modes or titles to downmix the multi-channel signal to generate a stereo two-channel signal that includes the first audio signal and does not include the second audio signal;
Downmixing a multi-channel signal into a stereo 2-channel signal in the selected mode or title;
A method for transmitting an audio signal.

A multi-channel signal including at least two channels of a first audio signal and at least one channel of a second audio signal;
A first coefficient for downmixing the multi-channel signal into two stereo channels to reproduce both the first and second audio signals;
A second coefficient for down-mixing the multi-channel signal into two stereo channels to reproduce the first audio signal and not to reproduce the second audio signal;
An audio disc having a data structure recorded thereon.

A music source is a multi-channel signal including a first audio signal of at least two channels and a second audio signal of at least one channel, and the multi-channel signal is down-mixed into two stereo channels, and the first and second audios A first coefficient for reproducing both signals, and a second coefficient for downmixing the multi-channel signal into two stereo channels to reproduce the first audio signal and not to reproduce the second audio signal. Means for formatting into a data structure having
Encoding device having.

A multi-channel signal including at least two channels of a first audio signal and at least one channel of a second audio signal, and both the first and second audio signals by downmixing the multi-channel signal to two stereo channels. And a second coefficient for down-mixing the multi-channel signal into two stereo channels to reproduce the first audio signal and not to reproduce the second audio signal. A decoding device for decoding a data structure having
A mode or title for downmixing the multi-channel signal based on the first coefficient to generate a stereo 2-channel signal including both the first and second audio signals, and based on the second coefficient Means for down-mixing the multi-channel signal to select one of the modes or titles for generating a stereo 2-channel signal that includes the first audio signal and does not include the second audio signal;
Means for downmixing a multi-channel signal into a stereo two-channel signal in the selected mode or title;
Having a decoding device.

2. The audio signal transmission method according to claim 1, wherein the first audio signal is accompaniment music, and the second audio signal is vocal music.

3. The audio disk according to claim 2, wherein the first audio signal is accompaniment music, and the second audio signal is vocal music.

4. The encoding apparatus according to claim 3, wherein the first audio signal is accompaniment music, and the second audio signal is vocal music.

5. The decoding apparatus according to claim 4, wherein the first audio signal is accompaniment music, and the second audio signal is vocal music.

In the audio signal transmission method according to claim 1 or 5,
Transmitting a third coefficient for mixing the multi-channel signal to generate a multi-channel signal that includes the first audio signal and does not include the second audio signal;
Mixing the multi-channel signal based on the third coefficient;
An audio signal transmission method, further comprising:

The audio disc according to claim 2 or 6,
The data structure further includes a third coefficient for mixing the multi-channel signal to generate a multi-channel signal that includes the first audio signal and does not include the second audio signal. Audio disc to play.

The encoding device according to claim 3 or 7,
The formatting means mixes the multi-channel signal to format a third coefficient for generating a multi-channel signal that includes the first audio signal and does not include the second audio signal. Characteristic encoding device.

The decoding device according to claim 4 or 8,
The data structure further comprises a third coefficient for mixing the multi-channel signal to generate a multi-channel signal that includes the first audio signal and does not include the second audio signal;
The decoding apparatus further comprising means for mixing the multi-channel signal based on the third coefficient.