JP3890298B2 - スケーラブルデータストリームを生成する方法と装置およびスケーラブルデータストリームを復号化する方法と装置 - Google Patents

Description

本発明はスケーラブルエンコーダ（階層符号器）とデコーダ（階層復号器）に関し、特に、それを通してビットセイビングバンクが信号化されるスケーラブルなデータストリームの生成に関する。

スケーラブルエンコーダはＥＰ０８４６３７５Ｂ１に示される。一般にスケーラビリティ（分解能可変性）とは、ある符号化されたデータ信号を表すビットストリーム、例えばオーディオ信号やビデオ信号などから、その一部分を取り出して利用可能な信号に復号できる可能性を示すと考えられている。この特徴は、例えばデータ送信チャネルが完全なビットストリームを送信するために必要な全帯域を提供できない時などに、特に望ましい特徴となる。他方では、複雑性の低いデコーダによる不完全な復号化も可能である。一般に、実際の使用においては様々な離散スケーラビリティレイヤが定義されている。

図１に、例えばＭＰＥＧ４標準（ＩＳＯ／ＩＥＣ１４４９６−３：１９９９，サブパート４）のパート３（オーディオ）のサブパート４（一般オーディオ）において定義されたような、スケーラブルエンコーダの例を示す。符号化されるべきオーディオ信号Ｓ（ｔ）がスケーラブルエンコーダの入力側に供給される。図１に示すスケーラブルエンコーダは、ＭＰＥＧ ＣＥＬＰ（符号励振線型予測）エンコーダである第１エンコーダ１２を備える。第２エンコーダ１４は、高品質オーディオ符号化を実行し、かつＭＰＥＧ２ ＡＡＣ(Advanced Audio Coding) 標準（ＩＳＯ／ＩＥＣ１３８１８）に定義されたＡＡＣエンコーダである。ビットストリームマルチプレクサ（ＢｉｔＭｕｘ）２０に対し、上記ＣＥＬＰエンコーダ１２は出力ライン１６を介して第１スケーリングレイヤを提供し、上記ＡＡＣエンコーダ１４は第２出力ライン１８を介して第２スケーリングレイヤを提供する。ビットストリームマルチプレクサは、出力側ではＭＰＥＧ−４−ＬＡＴＭビットストリーム２２（ＬＡＴＭ＝Low Overhead MPEG 4 Audio Transport Multiplex)を出力する。このＬＡＴＭフォーマットは、ＭＰＥＧ４標準（ＩＳＯ／ＩＥＣ１４４９６−３：１９９９／ＡＭＤ１：２０００）への第１付録パート３（オーディオ）の６．５章に説明されている。

スケーラブルオーディオエンコーダはまた、他の要素も含む。まず、ＡＡＣ分枝には遅延ステージ２４を含み、ＣＥＬＰ分枝には遅延ステージ２５を含む。これら２個の遅延ステージにより、各分枝に対する選択的遅延（optional delay) が設定可能となる。ダウンサンプリングステージ２８がＣＥＬＰ分枝の遅延ステージ２５の下流に位置し、入力信号ｓ（ｔ）のサンプリングレートをＣＥＬＰエンコーダが要求するサンプリングレートに適合させる。ＣＥＬＰエンコーダ１２の下流には逆ＣＥＬＰデコーダ３０が配置され、ＣＥＬＰ符号化／復号化された信号は、アップサンプリングステージ３２に対して入力される。ここでアップサンプリングされた信号は次にさらなる遅延ステージ３４に送られる。このステージ３４は、ＭＰＥＧ４標準では「コアコーダ遅延」("Core Coder Delay")と呼ばれるものである。

コアコーダ遅延ステージ３４は次のような機能を持つ。もし遅延がゼロに設定された場合には、第１エンコーダ１２および第２エンコーダ１４は、１つのいわゆるスーパーフレームの中のオーディオ入力信号の正に同一のサンプルを処理する。１つのスーパーフレームは、例えば３個のＡＡＣフレームを含むことができ、これらは合同してオーディオ信号のある所定個数のサンプル第ｘ番〜第ｙ番を表す。このスーパーフレームはさらに例えば８個のＣＥＬＰブロックを含み、コアコーダ遅延がゼロの場合には、これらのＣＥＬＰブロックは同個数でかつ同一のサンプル第ｘ番〜第ｙ番を表す。

もし時間量としてのコアコーダ遅延Ｄがゼロでないと設定される場合であっても、ＡＡＣフレームの３個のブロックはやはり同じサンプル第ｘ番〜第ｙ番を表す。しかし他方、ＣＥＬＰフレームの８個のブロックはサンプル第ｘ−Ｆｓ Ｄ〜第ｙ−Ｆｓ Ｄを表す。この時、Ｆｓは入力信号のサンプリング周波数を示す。

そのため、１つのスーパーフレーム内においてＡＡＣブロックおよびＣＥＬＰブロックへの入力信号のカレントタイムセクション（現時点の時間セクション）は、コアコーダ遅延Ｄ＝０の場合には同一になることが可能であり、コアコーダ遅延Ｄ＝０でない場合には、互いを参照しながらコアコーダ遅延の分だけシフトされることが可能である。以下に続く説明においては、一般性を制限することなく簡素化する目的で、コアコーダ遅延はゼロに等しいと仮定する。これは、第１エンコーダへの入力信号のカレントタイムセクションと、第２エンコーダへのカレントタイムセクションとが等しくなるようにするためである。しかし一般的には、スーパーフレームに求められる唯一の条件は、ひとつのスーパーフレーム内のＡＡＣブロックおよびＣＥＬＰブロックのブロックが、同個数のサンプルを表すことであり、そのサンプル自身は必ずしも互いに同一である必要はないが、互いを参照しながらコアコーダ遅延の分だけシフトされることが可能であるということである。

ここで指摘しておくが、構造上の理由からＣＥＬＰエンコーダは入力信号ｓ（ｔ）の１つのセクションをＡＡＣエンコーダ１４よりも高速で処理する。ＡＡＣ分枝内においては、ブロック決定ステージ２６が選択的遅延ステージ２４の下流に位置し、入力信号ｓ（ｔ）をウィンドウイング(windowing) するためにショートウィンドウまたはロングウィンドウのいずれを使用すべきかについて決定する。この場合、ショートウィンドウとは過渡的な度合いが高い信号に対して選択され、ロングウィンドウとは過渡的な度合いが低い信号に対して選択されるのが望ましい。なぜなら、ロングウィンドウにおいてはペイロード（有効搭載部、ユーザー情報部）データ量とサイド情報との関係が、ショートウィンドウの場合よりも良好であるからである。

この例の場合には、例えば１ブロックにつき５／８倍の固定遅延(fixed delay)が、ブロック決定ステージ２６により実行される。これは、当技術では前方予測機能(look ahead function) と呼ばれるものである。ブロック決定ステージは、ショートウィンドウで符号化されるべき過渡的な信号が将来あるか否かを決定できるように、所定の時間分だけ前方予測しておかなければならない。その後、ＣＥＬＰ分枝およびＡＡＣ分枝内の対応する両信号は、時間表示からスペクトル表示へと変換するための手段に対して供給される。これらの手段は、図１においては、それぞれＭＤＣＴ３６および３８として示されている（ＭＤＣＴ＝変形離散コサイン変換）。ＭＤＣＴブロック３６および３８の出力信号は、次に減算器４０に対して供給される。

この時点で、時間的に一致したサンプル値が存在しなければならない。すなわち、両分枝の遅延は同一でなければならない。

次に続くブロック４４は、入力信号そのものをＡＡＣエンコーダ１４に供給する方が望ましいか否かを判断する。これはバイパス分枝４２を介して可能となる。しかし、もし例えばエネルギーに関し、減算器４０の出力における差分信号がＭＤＣＴブロック３８により出力される信号よりも小さいと判断される場合には、オリジナル信号ではなく差分信号が、ＡＡＣエンコーダ１４により符号化されるために用いられ、最終的に第２スケーリングレイヤ１８を形成する。この比較はバンド毎に実行されることが可能であり、図中においては周波数選択的スイッチ手段（ＦＳＳ）４４により示されている。個々の要素の詳細な機能については当業者では公知であり、例えばＭＰＥＧ４標準規格およびさらなるＭＰＥＧ標準規格の中で説明がなされている。

ＭＰＥＧ４標準規格および他のエンコーダ標準規格の中で重要な特徴は、圧縮されたデータ信号の送信が、あるチャネルを介して一定のビットレートで実行されるという点である。全ての高品質オーディオコーデックはブロックベースで作動する。すなわち、それらはオーディオデータの複数のブロック（４８０〜１０２４サンプルの規模のオーダー）を処理し、１つの圧縮されたビットストリームの複数のパーツ、すなわちフレームとも呼ばれる部分へと変換する。この時、このビットストリームフォーマットは、以下のように設定されなければならない。すなわち、フレームの先頭位置に関する事前の情報を持たないデコーダが、フレームの先頭を認識できるようにし、その結果、復号化されたオーディオ信号データを可能な限り小さい遅延で出力開始できるように設定されなければならない。そのため、フレームの各ヘッダまたは決定データブロックは、連続的なビットストリームの中で検索可能なある一定の同期語（synchronization word) で始まる。決定データブロックの他に、データストリーム内のさらなる一般的な要素として、個々のレイヤのメインデータあるいは「ペイロードデータ」と呼ばれるものがあり、この中に実際の圧縮オーディオデータが含まれる。

図４は固定フレーム長を持つビットストリームフォーマットを示す。このビットストリームフォーマットの中では、ヘッダまたは決定データブロックはビットストリームの中に等間隔で挿入されている。このヘッダに関連するサイド情報およびメインデータは、直接的にこのヘッダに続いて配列されている。メインデータのための長さ、すなわちビット数は、各フレームにおいて同一となっている。図４に示されるようなビットストリームフォーマットは、例えばＭＰＥＧレイヤ２あるいはＭＰＥＧ−ＣＥＬＰにおいて使用されている。

図５は固定フレーム長とバックポインタとを備えた他のビットストリームフォーマットを示す。このビットストリームフォーマットにおいては、ヘッダおよびサイド情報は、図４に示されるフォーマットの場合と同様に等間隔で配列されている。しかし、ヘッダの直後にその関連するメインデータの先頭が続くことは例外的な場合であり、殆どの場合には、先頭は前方のフレームの１つの中に存在する。ビットストリーム内においてメインデータの先頭がシフトされたビット数は、サイド情報の可変バックポインタにより伝達される。このメインデータの末部は、このフレーム内または前方のあるフレームの中に存在することができる。そのため、メインデータの長さはもはや一定ではない。このように、１つのブロックが符号化されるためのビット数は、信号の特性に対して適合させることが可能である。しかし同時に、一定のビットレートを確保することも可能である。この技術は、「ビットセイビングバンク」("bit saving bank") と呼ばれるものであり、伝送チェイン内の理論上の遅延を増加させるものである。このようなビットストリームフォーマットは、例えばＭＰＥＧレイヤ３（ＭＰ３）で使用されている。ビットセイビングバンクの技術はまた、ＭＰＥＧレイヤ３標準規格の中で説明されている。

一般にビットセイビングバンクとは、ある時間サンプルのブロックを符号化するために、所定の出力データレートにより実際に許容された以上の数のビット数を提供できるように、利用可能となっているビットのバッファを意味する。このビットセイビングバンクの技術では、以下の点を考慮に入れている。すなわち、オーディオサンプル値のいくつかのブロックは、所定の伝送レートにより予め決められたビット数よりも少ないビット数で符号化できるという点である。この場合、ビットセイビングバンクはこれらのブロックにより満たされる。一方、オーディオサンプルの他のブロックは、その様な大きな圧縮を許容しない聴覚心理的な特徴を備えている。この場合これらのブロックにとって利用可能なビット数は、低インターフェイスまたはインターフェイスなしの符号化にとって充分ではない。必要とされる追加的なビットは、ビットセイビングバンクから取り出されるため、ビットセイビングバンクはそのようなブロックにより空状態に近づく。

しかし、このようなオーディオ信号は、図６に示されるように、可変フレーム長を持つフォーマットにより伝送されることもできる。図６に示されるような「可変フレーム長」ビットストリームフォーマットにおいては、ビットストリーム要素のヘッダ、サイド情報およびメインデータの固定されたシーケンスは、「固定フレーム長」の場合と同様に維持されている。メインデータの長さが一定でないので、この場合においてもビットセイビングバンクの技術が利用可能である。しかし、図５に示される場合のようなバックポインタは必要ではない。図６に示すビットストリームフォーマットの例は、ＭＰＥＧ２ ＡＡＣ標準規格に定義されているような伝送フォーマットＡＤＴＳ（Ausio Data Transport Stream)である。

ここで注目すべきことは、上述のエンコーダはスケーラブルエンコーダではなく、単一のオーディオエンコーダを備えているだけであるということである。

ＭＰＥＧ４においては、スケーラブルエンコーダ／デコーダに対する様々なエンコーダ／デコーダの組合せが提供されている。そのため、第１エンコーダとしてのＣＥＬＰボイスエンコーダを、さらなるスケーリングレイヤのためのＡＡＣエンコーダに対して結合させ、それらのレイヤを１つのビットストリームの中にパックすることが可能かつ有意義となる。この結合の目的は、全てのスケーリングレイヤを復号化して最高のオーディオ品質を得るか、あるいはその一部、場合によると第１スケーリングレイヤのみを復号化してそれ相当の限定されたオーディオ品質を得るかの選択が可能になるということである。最低のスケーリングレイヤのみを復号化する理由は、伝送チャネルの不十分な帯域により、デコーダがビットストリームの第１スケーリングレイヤのみを受け取ったからかもしれない。このように、伝送においては、ビットストリーム内の第１スケーリングレイヤの部分の伝送は、第２あるいはさらなるスケーリングレイヤと比較して、より望ましいものである。そのため、第１スケーリングレイヤの伝送は、伝送ネットワークにおける最低容量(capacity bottle necks) の中で保証されており、他方、第２スケーリングレイヤは全部あるいは一部が失われる可能性がある。

さらなる理由として、デコーダがコーデックの遅延を最小限にしたいために、第１スケーリングレイヤのみを復号化することも考えられる。ここで注目すべきは、一般的にＣＥＬＰコーデックのコーデック遅延はＡＡＣコーデックの遅延よりもはるかに小さいという点である。

ＭＰＥＧ４第２版の中で、伝送フォーマットＬＡＴＭは標準規格化されており、これは特に、スケーラブルデータストリームをも伝送可能である。

以下に、図２ａを参照しながら説明する。図２ａは入力信号ｓ（ｔ）のサンプル値の全体図を示す。入力信号は別々の連続的なセクション０，１，２および３に分割されることができ、各セクションは所定個数の時間サンプルを持つ。通常、ＡＡＣエンコーダ１４（図１参照）は、このセクションを表す符号化データ信号を提供するために、全てのセクション０，１，２または３を処理する。しかし、ＣＥＬＰエンコーダ１２（図１参照）は通常、符号化ステップ毎により少量の時間サンプルを処理する。そのため、図２ｂに例として示すように、ＣＥＬＰエンコーダ、あるいは一般的に呼べば第１エンコーダまたはエンコーダ１は、第２エンコーダのブロック長の４分の１のブロック長を持つことになる。ここで注意すべきは、この分割は完全に任意の分割である点である。第１エンコーダのブロック長は、第２エンコーダのブロック長の２分の１、あるいは１１分の１にでもすることが可能である。このように、第１エンコーダは入力信号の上記セクションから４つのブロック（１１，１２，１３，１４）を生成し、第２エンコーダがこの入力信号の上記セクションから１つのデータのブロックを提供する。図２ｃに一般的なＬＡＴＭビットストリームフォーマットを図示する。

ＭＰＥＧ４の中で表に示されているように、ＣＥＬＰフレームの個数に対するＡＡＣフレームの個数という点で、スーパーフレームは様々な比率の個数を持つことができる。そのため、１つのスーパーフレームは、例えば１個のＡＡＣブロックと１〜１２個のＣＥＬＰブロックを持つことができ、あるいは３個のＡＡＣブロックと８個のＣＥＬＰブロックを持つことができる。しかし構成によってはまた、例えばＣＥＬＰブロックよりも多い個数のＡＡＣブロックを持つことも可能である。１つのＬＡＴＭ決定データブロックを備えた１つのＬＡＴＭフレームは、１個または数個のスーパーフレームを含む。

一例として、ヘッダ１により開始されるＬＡＴＭフレームの生成を説明する。初めに、ＣＥＬＰエンコーダ１２（図１参照）の出力データブロック１１，１２，１３，１４が生成され、バッファリングされる。これと並行して、図２ｃ内では「１」で示されるＡＡＣエンコーダの出力データブロックが生成される。このＡＡＣエンコーダの出力データブロックが生成される時、決定データブロック（ヘッダ１）が最初に書き込まれる。標準に従い、第１エンコーダにより最初に生成された出力データブロック、すなわち図２ｃでは参照番号１１で示されるデータブロックが、ヘッダ１の直後に書き込まれ、すなわち伝送されることができる。通常、図２ｃに示すように、（必要な信号化情報は少ないとして）データストリームのさらなる書き込みおよび／または伝送のために、第１エンコーダの出力データブロックは等間隔が選択される。つまり、ブロック１１の書き込みおよび／または伝送の後で、第１エンコーダの第２出力データブロック１２の書き込みおよび／または伝送が行われ、次に第１エンコーダの第３出力データブロック１３、最後に第１エンコーダの第４出力データブロック１４の書き込みおよび／または伝送がそれぞれ等間隔で行われる。第２エンコーダの出力データブロック１は、伝送の間に残りの隙間に挿入されていく。このようにして１つのＬＡＴＭフレームが完全に書き込まれる。すなわち、完全に伝送される。

図４〜図６に表された公知のビットストリームフォーマットの１つの欠点は、それらがスケーラブルデータストリームに適したものではないという点である。

公知のビットストリームフォーマットのさらなる欠点は、スケーラブルデータストリームのためのビットストリームフォーマットが存在せず、そのため、様々な時間ベースを持つエンコーダの出力データを含むスケーラブルデータストリームのためのビットセイビングバンク機能は、現時点では、特に、スケーラブルエンコーダのＡＡＣエンコーダおよびＣＥＬＰエンコーダの組合せに対しては有効でない可能性がある。しかし、一定の伝送レート（transmission rate)が必要とされるので、ＡＡＣエンコーダは符号化された信号の特性に応じて様々な長さのブロックを出力する。この時、１つの時間信号セクションを符号化するために、ＡＡＣエンコーダが伝送レートにより予め決められたビット数よりも多数のビットを必要とする場合が生じる。その一方で、別の時間信号セクションに対しては、ＡＡＣエンコーダが予め決められたビット数よりも少数のビットを必要とする場合も生じる。その結果、一定の出力データレート（data rate)を維持するために、後者の場合にはスケーラブル符号化装置のＡＡＣエンコーダはビット不足を招き、前者の場合にはスケーラブル符号化装置のＡＡＣエンコーダは、符号化され復号化された信号の中に可聴干渉音を導入することを防止できなくなるであろう。

そこで、本発明の目的は、スケーリングレイヤのためのビットセイビングバンク機能の使用に適したスケーラブルデータストリームを生成する方法および装置を提供することである。

上記目的は、請求項１に記載の方法または請求項９に記載の装置により達成できる。

本発明のさらなる目的は、スケーラブルデータストリームを復号化するための方法および装置を提供することである。

上記目的は、請求項１０に記載の方法または請求項１１に記載の装置により達成できる。

本発明は以下の知見に基づくものである。すなわち、図２ｃに示された公知の概念、つまり第２エンコーダの１つの出力データブロックのいかなるデータも２つの連続するＬＡＴＭヘッダの間に配置されるという概念を、捨て去る必要があるということである。その代わりに、第２エンコーダの出力データの中で入力信号の先行するタイムセクションを表すデータもまた、カレントタイムセクションに関する決定データブロックの後ろに書き込まれる事が許され、伝送方向からみてこの事実または決定データブロックの後でまだ書き込まれるべきデータの数が、それぞれデコーダに対して、特別なバッファ情報により伝達される。

デコーダは、決定データブロックを基にしかつバッファ情報を用いながら、第２エンコーダの先行するタイムセクションを表す出力データがどこで終了し、かつ第２エンコーダのカレントタイムセクションを表す出力データがどこから始まるのかを、容易に判断する。その結果、デコーダは第１エンコーダの出力データブロックと対応する第２エンコーダの出力データブロックとを関連させ、全てのレイヤの信号を復号化させることができる。この場合、「対応する」とは、第１および第２エンコーダの各データは、コアコーダ遅延がゼロの場合（図１参照）には入力信号の同一のセクションに関連し、あるいはコアコーダ遅延分だけシフトされた第１および第２エンコーダのためのカレントセクションに関連している。

本発明における、第１エンコーダの出力データの１つまたは複数のブロックと、第２エンコーダの出力データの１つまたは複数のブロックとからスケーラブルデータストリームを生成する方法においては、入力信号のカレントセクションのための決定データブロックが書き込まれる。さらに、入力信号の先行するセクションを表す第２エンコーダの出力データが、エンコーダからデコーダへの伝送方向から見て上記決定データブロックの後方に書き込まれる。これら入力信号の先行するセクションを表す第２エンコーダの出力データが完全に書き込まれた後で、入力信号のカレントセクションを表す第２エンコーダの出力データ、すなわち実際にその決定データブロックに属するデータが書き込まれる。さらに、バッファ情報がスケーラブルデータストリーム内に書き込まれるが、このバッファ情報は、上記先行するセクションを表す第２エンコーダの出力データが、カレントセクションのための決定データブロックを越えてどこまで延びるのかを示すものである。第１エンコーダの出力データは、スケーラブルデータストリーム内に、等間隔または非等間隔で書き込まれる。この時、第１スケーリングレイヤだけの低遅延復号化、すなわち第１エンコーダの出力データブロックだけの低遅延復号化を促進させるという遅延上の理由により、これらのデータブロックを等間隔かつ遅延最適化された方法(delay-optimized way) で書き込むことが望ましい。

通常、ビットセイビングバンクはとりわけそのビットセイビングバンクの最大サイズにより定義され、この値は図３における「最大バッファ充満度」により表示されている。この値は固定であり、デコーダに知られている。さらに、ビットセイビングバンクの占有率のその時点での値はデータストリーム内で伝送され、「バッファ充満度」により表示される。「最大バッファ充満度」と「バッファ充満度」との差は、本発明がＭＰＥＧ４エンコーダに使用された時、バッファ情報を提供する。この時考慮すべきことであるが、後述のように、ＬＡＴＭ決定データブロックの後の第２データブロックの出力データの開始点の正確な値を見つけるために、ＡＡＣブロックの中に散在しているＣＥＬＰブロックまたは他のスケーリングレイヤのデータは、考慮されないことも可能である。

ビットセイビングバンクの機能性とは無関係に、本発明のフォーマットはさらに、様々な長さを持つ第２エンコーダの出力データブロックを、決定データブロックの等間隔グリッドの中で伝送することを促進させる。そのため、決定データブロックのためのグリッドと、第１エンコーダの出力データブロックのためのグリッドとを等距離とするのが望ましく、特に、決定データブロックの後ろには常に第１エンコーダの出力データブロックが配置されるようにするのが望ましい。次に、第２エンコーダの出力データブロックが、残された隙間に書き込まれる。そのとき、決定データブロックの後の第２エンコーダのデータのどれだけが、その決定データブロックに関するタイムセクションに属するのか、または入力信号の先行するセクションに属するものであるのかが、バッファ情報により信号化される。その結果、デコーダは明確にかつ疑いなく、入力信号の１つのタイムセクションに対し、第１エンコーダの出力データブロックと第２エンコーダの出力データブロックとを関連させることができる。

本発明のさらなる長所は、決定データブロックの後の出力データブロックの信号化と、カレントタイムセクションに関する決定データブロックの前に配置された第１エンコーダの出力データブロックの信号化とが、容易に結合されるという点であり、その結果、第１スケーリングレイヤだけの低遅延復号化を促進できる点である。

本発明のスケーラブルデータストリームは、特にリアルタイムアプリケーションにとって有効である。しかしまた、リアルタイムではないアプリケーションにとっても有効である。

本発明の望ましい実施例を、添付図面を参照しながら以下に詳細に説明する。

図１はＭＰＥＧ４に従うスケーラブルエンコーダを示し、
図２ａは連続的なタイムセクションに分割された１つの入力信号の全体図であり、
図２ｂは連続的なタイムセクションに分割された１つの入力信号の全体図であって、第１エンコーダのブロック長と第２エンコーダのブロック長との関係が示された図であり、
図２ｃは第１スケーリングレイヤの復号化において高遅延を伴うスケーラブルデータストリームの全体図であり、
図２ｄは第１スケーリングレイヤの復号化において低遅延を伴うスケーラブルデータストリームの全体図であり、
図２ｅはカレントセクションに関する決定データブロックの後には、第２エンコーダの先行するタイムセクションからの出力データが配置される本発明のビットストリームフォーマットを示し、
図３は本発明のスケーラブルデータストリームが、第１エンコーダとしてのＣＥＬＰコーダと第２エンコーダとしてのＡＡＣコーダとを備え、ビットセイビングバンク機能を持つ場合の例を示す詳細図であり、
図４は固定フレーム長を備えたビットストリームフォーマットの例を示し、
図５は固定フレーム長とバックポインタとを備えたビットストリームフォーマットの例を示し、
図６は可変フレーム長を備えたビットストリームフォーマットの例を示す。

以下に、第１スケーリングレイヤが小さな遅延を伴うビットストリームを説明するために、図２ｃと図２ｄとを比較例として参照する。図２ｃに示すように、スケーラブルデータストリームはヘッダ１およびヘッダ２と呼ばれる一連の決定データブロックを含む。ＭＰＥＧ４標準規格においては、これらの決定データブロックはＬＡＴＭヘッダである。図２ｄ内では矢印２０２で示されたエンコーダからデコーダへの伝送方向からみてＬＡＴＭヘッダ２００の後に、図中では左上側から右下側へのハッチング模様で示されるように、ＡＡＣコーダの出力データブロックのパーツが、第１エンコーダの出力データブロック間の隙間に挿入されるように配置されている。

さらに、図２ｃとは対照的に、ＬＡＴＭヘッダ２００によりスタートするフレームの中において、第１エンコーダの出力データブロックでこのフレームに属するものとしては、例えば出力データブロック１３および１４だけではなく、入力データの後続のセクションの出力データブロック２１および２２が存在する。換言すれば、図２ｄに示される例では、参照番号１１，１２で示される第１エンコーダの２個の出力データブロックは、ビットストリームの中において、伝送方向（矢印２０２）から見てＬＡＴＭヘッダ２００よりも前の位置に存在する。図２ｄに示される例では、オフセット情報２０４は、第１エンコーダの出力データブロックの、２個の出力データブロック分のオフセットを表す。図２ｄと図２ｃとを比較した時、デコーダが第１スケーリングレイヤにしか関心がない場合、図２ｄの場合のほうが図２ｃの場合よりも、デコーダは正にこのオフセットに対応する分の時間だけ早く最低のスケーリングレイヤを復号できる。例えば「コアフレームオフセット」の形で信号化されることが可能なオフセット情報は、第１出力データブロック１１のビットストリーム内での位置を決定する役割を果たす。

コアフレームオフセット＝０の場合には、図２ｃに示されるビットストリームが結果として生成される。しかしながら、コアフレームオフセットがゼロより大きい場合には、第１エンコーダの対応する出力データブロック１１は、第１エンコーダの出力データブロックのコアフレームオフセットの数だけより早く伝送される。換言すれば、ＬＡＴＭヘッダの後の第１エンコーダの第１出力データブロックと、第１ＡＡＣフレームとの間の遅延は、コアコーダ遅延（図１）＋コアフレームオフセット×コアブロック長（図２ｂ内のエンコーダ１のブロック長）の結果として発生する。図２ｃと図２ｄとの比較からわかるように、コアフレームオフセット＝０（図２ｃ）の場合には、ＬＡＴＭヘッダ２００の後には第１エンコーダの出力データブロック１１，１２が伝送される。一方、コアフレームオフセット＝２を伝送することで、出力データブロック１３および１４がＬＡＴＭヘッダ２００に続くことができる。そのため、純粋なＣＥＬＰ復号化すなわち第１スケーリングレイヤの復号化における遅延は、２個のＣＥＬＰブロック長の分だけ減少させることができる。この例においては、３個のブロックのオフセットが最適となるかもしれない。しかし、１個または２個のブロックのオフセットでもまた、遅延アドバンテージという結果を生じさせる。

このようなビットストリームの構造により、ＣＥＬＰエンコーダが生成されたＣＥＬＰブロックを符号化の直後に伝送することが可能になる。この場合、ＣＥＬＰエンコーダに対し、ビットストリームマルチプレクサ（２０）によりさらなる遅延が追加されることもない。そのため、この場合には、スケーラブルコンビネーションによりＣＥＬＰ遅延に追加される遅延はなく、遅延は最小となる。

ここで指摘しておくが、図２ｄに示された例は単なる一例である。すなわち、第１エンコーダのブロック長と第２エンコーダのブロック長との間には、様々な比率が可能である。例えば１：２から１：１２まで変化可能であるし、あるいはまた他の比率、すなわち１よりも大きいかあるいは小さい比率をとることも可能である。

極端な例（ＭＰＥＧ４，ＣＥＬＰ：ＡＡＣ＝１：１２）でいうと、ＡＡＣエンコーダが１個の出力データブロックを生成するための入力信号のタイムセクションと同一のタイムセクションに対し、ＣＥＬＰエンコーダは１２個の出力データブロックを生成することになる。図２ｃに示されたデータストリームと比較して、図２ｄに示されたデータストリームによる遅延アドバンテージは、この場合、１秒の４分の１から２分の１の大きさに達する。この遅延アドバンテージは、第２エンコーダのブロック長と第１エンコーダのブロック長との間の比率が大きくなればなるほど増大する。第２エンコーダとしてのＡＡＣコーダの場合には、最大限のブロック長は、もし符号化されるべき信号がこれを許容するならば、ペイロード情報とサイド情報との間のその時点における好ましい割合に基づいて目標設定される。

以下に、図２ｅについて説明する。既にオフセット機能、すなわち決定データブロックから見た第１エンコーダの出力データブロックのシフトが表された図２ｄとは対照的に、図２ｅにおいては、決定データブロックにより与えられたグリッドから見た第２エンコーダの出力データブロックの、本発明のシフトが表されている。図２ｅ内で番号１１，１２，１３，１４，２１，２２，２３，２４，３１により示された第１エンコーダの出力データブロックの配置は、図２ｄの場合と同様である。しかし、図２ｄの場合では、ビットセイビングバンク機能が不可能であり、あるいは決定データブロックが１つの固定グリッドに存在すべき時は第２エンコーダのために可変長の出力データブロックが使用できないが、本発明に係る図２ｅの場合においてはそれが可能となる。

この観点から、図２ａから図２ｅの中において「０」で示された、第２エンコーダの先行するセクションを表す出力データブロックからのデータは、エンコーダからデコーダへの伝送方向からみてＬＡＴＭヘッダ２００の後ろに書き込まれる。これはスケーラブルエンコーダが先行するセクションのデータの全てをビットストリーム内に書き終えるまで続く。その後に初めて、伝送限界(transmission limit)２２０を先頭として、入力信号のカレントセクションを表す第２エンコーダの出力データブロックが、ビットストリーム内に書き込まれる。そのため、伝送限界２２０はＣＥＬＰデータブロックの限界と一致する可能性があり、しない可能性もある。この信号化に依存して、決定データブロックの最後から伝送限界２２０までの距離か、決定データブロックの先頭から伝送限界２２０までの距離か、あるいはＣＥＬＰブロック１３の後側の限界(rear limit)から伝送限界２２０までの距離かのいずれかであって、ＣＥＬＰブロック１３，１４の長さおよび／または決定データブロックの長さを含めるかまたは含めない距離が、バッファ情報として信号化されてもよい。後者の場合を、図３を参照しながらより詳細に説明する。

本発明によれば、スケーラブルエンコーダに対して適用した場合、バッファ情報の信号化に関する固有のサイド情報は提供せず、代わりに、既にビットストリーム内で伝送されたバッファの充満度の値をこの目的のために使用することが望ましい。この時、図２ｅにおいて「バッファ情報」として示されたポインタの長さは、図３においては参照番号３１４により示された長さであるが、決定データブロックの長さと、存在する可能性があるＣＥＬＰブロックの長さと、存在する可能性があるさらなるスケーリングレイヤとを考慮に入れなければ、最大バッファ充満度とバッファ充満度との間の差に正確に等しくなる。

以下に、図２ｅと類似しているが、ＭＰＥＧ４の例を用いた特別な実施例である図３を参照しながら説明する。１番目のラインには、カレントタイムセクションがハッチング模様で示されている。2 番目のラインには、ＡＡＣエンコーダで使用されるウィンドウイング(windowing) が全体的に図解されている。公知のように、５０％のオーバーラップおよび加算が用いられている。これは、図３内の１番目のラインにハッチング模様で示されたカレントタイムセクションと比較して、１個のウィンドウが通常、時間サンプルの２倍の長さを持つようにするためである。図３の中の遅延ｔｄｉｐは、図１においてブロック２６に対応するものでもあり、この例ではブロック長の５／８の長さを持つ。典型的には、カレントタイムセクションのブロック長は、９６０サンプルが用いられるので、そのブロック長の５／８の遅延ｔｄｉｐは、６００サンプルとなる。一例として、ＡＡＣエンコーダが２４ｋＢｉｔ／ｓのビットストリームを提供し、一方、その下方に図示されたＣＥＬＰエンコーダが８ｋＢｉｔ／ｓのレートを備えたビットストリームを提供する。その結果、全体のビットレートは３２ｋＢｉｔ／ｓとなる。

図３から分かるように、ＣＥＬＰエンコーダの出力データブロック０と１とが、第１エンコーダのカレントタイムセクションと対応している。ＣＥＬＰエンコーダの出力データブロック２は、次のタイムセクションに既に対応している。３の番号をつけたＣＥＬＰブロックに関しても同様のことが言える。図３においては、ダウンサンプリングステージ２８およびＣＥＬＰエンコーダ１２の遅延は、参照符号３０２で示される矢印により表される。この結果、コアコーダ遅延と表され、図３の中では矢印３０４により示される遅延が生じ、この遅延は図１の減算器４０において同一の状態が存在するように、ステージ３４により調整されるべきのもである。この遅延は、代わりに、遅延ステージ２５によって作られることも可能である。よって、例えば次の関係が成り立つ。
コアコーダ遅延＝
＝ｔｄｉｐ−ＣＥＬＰエンコーダ遅延−ダウンサンプリング遅延
＝６００−１２０−１１７＝３６３サンプル

ビットセイビングバンク機能がない場合、あるいはビットセイビングバンク（Ｂｉｔ Ｍｕｘ 出力バッファ) が満たされている場合、つまり変数、バッファの充満度＝最大の場合には、図２ｄに示された状態となる。この、第２エンコーダの１個の出力データブロックに対応して第１エンコーダの４個の出力データブロックが生成される図２ｄの場合とは異なり、図３では、下から２列のラインの中でハッチングで示されている第２エンコーダの１個の出力データブロックに対し、ＣＥＬＰエンコーダの２個の出力データブロックであって「０」と「１」とで示されるデータブロックが生成される。しかし本発明によれば、第１ＬＡＴＭヘッダ３０６の後に書き込まれるのは、「０」の番号を持つＣＥＬＰエンコーダの出力データブロックではなく、「１」の番号を持つＣＥＬＰエンコーダの出力データブロックである。何故なら、「０」の番号を持つ出力データブロックは、既にデコーダに対して伝送されているからである。次のタイムセクションを表すＣＥＬＰブロック２は、ＣＥＬＰデータブロックに対して準備された等間隔をあけてＣＥＬＰブロック１に続く。この時、１個のフレームを完成させるために、ＡＡＣエンコーダの出力データブロックの残りのデータは、次のタイムセクションのための次のＬＡＴＭヘッダ３０８の書き込みが開始するまで、データストリーム内に書き込まれる。

図３の最下部のラインに示されるように、本発明はビットセイビングバンク機能と簡単に結合させることができる。ビットセイビングバンクの充満度を示す変数「バッファ充満度」が最大値よりも小さい場合、これは、直前のタイムセクションを表すＡＡＣフレームが実際に容認可能なビット数よりも多くのビット数を要求したということである。つまり、前と同様に、ＣＥＬＰフレームがＬＡＴＭヘッダ３０６の後に書き込まれるという意味であるが、しかし、カレントタイムセクションを表すＡＡＣエンコーダの出力データブロックの書き込みが開始できる前に、先行するタイムセクションからのＡＡＣエンコーダの少なくとも１つの出力データブロックがまず最初にビットストリームの中に書き込まれなければならないという意味である。図３内に「１」，「２」で示される下段の２列のラインを比較すると、ビットセイビングバンク機能は直接的にＡＡＣフレームのためのエンコーダ内の遅延に結びつくことが分かる。つまり、図３において参照番号３１０で示されるカレントタイムセクションのＡＡＣフレームのデータは「１」で示された場合と同時間に存在するが、しかし、直前のタイムセクションを表すＡＡＣデータ３１２がビットストリームの中に書き込まれた後でのみビットストリームの中に書き込まれることができる。ＡＡＣエンコーダのビットセイビングバンクのレベルに依存して、ＡＡＣフレームの最初の位置がシフトする。

ビットセイビングバンクのレベルは、ＭＰＥＧ４に従えば、エレメントStreamMuxConfig の中で変数「バッファ充満度」により伝送される。変数「バッファ充満度」は、変数ビットリザーバをオーディオチャネルの現存するチャネル数の３２倍の数で割り算することで計算することができる。

ここで指摘しておくが、図３において参照番号３１４で示されたポインタは、その長さ＝最大バッファ充満度−バッファ充満度を示すものであるが、いわば将来に向かってポイントする前方ポインタ（forward pointer)であり、一方、図５において示されるポインタは、いわば過去に向かってポイントする後方ポインタ（backward pointer) である。その理由は、この実施例によれば、先行するタイムセクションからのＡＡＣデータがまだビットストリーム内に書き込まれなければならないかもしれないが、しかし、ＬＡＴＭヘッダは、常にカレントタイムセクションがＡＡＣエンコーダによって処理された後でビットストリームの中に書き込まれるからである。

さらに指摘すべきは、ポインタ３１４がＣＥＬＰブロック２により意図的に中断された状態で示されているのは、それがＣＥＬＰブロック２の長さまたはＣＥＬＰブロック１の長さを考慮に入れないからであり、その理由は、このＣＥＬＰデータがＡＡＣエンコーダのビットセイビングバンクとは関係がないからである。さらに、ヘッダデータまたは存在するかもしれないさらなるレイヤのビットもまた、考慮されない。

デコーダ内においては、最初にビットストリームからＣＥＬＰフレームが抽出される。これは、ＣＥＬＰフレームが例えば等間隔でかつ固定の長さを持って配置されていたりするので、容易に実行可能である。

ＬＡＴＭヘッダ内では、どの場合においても直接的な復号化が可能となるように、全てのＣＥＬＰブロックの長さおよび距離間隔が何らかの方法で信号化されてもよい。

このようにして、ＣＥＬＰブロック２によりいわば分割されていた直前のタイムセクションのＡＡＣエンコーダの出力データの部分は再び統合され、ＬＡＴＭヘッダ３０６はポインタ３１４の先頭にいわば移動する。そのため、ポインタ３１４の長さを知ったデコーダは、直前のタイムセクションのデータがいつ終わるのかを理解する。これは、直前のタイムセクションを、それに対してそこに存在するＣＥＬＰデータブロックとともに、これらのデータが完全に読み取られた時にフルオーディオ品質で復号化することができるようにするためである。

第１エンコーダの出力データブロックと、第２エンコーダの出力データブロックとの両方が、１個のＬＡＴＭヘッダに続く場合が示された図２ｃの場合とは対照的に、第１エンコーダの出力データブロックが変数コアフレームオフセットの分だけビットストリーム内で前方へシフトすることが可能である。また他方では、矢印３１４（最大バッファ充満度−バッファ充満度）の分だけ、第２エンコーダの出力データブロックがスケーラブルデータストリーム内で後方へシフトされ、スケーラブルデータストリーム内でビットセイビング機能が簡単で確実に実行されることも可能である。同時に、ビットストリームの基本グリッドは連続的なＬＡＴＭ決定データブロックにより維持される。このＬＡＴＭ決定データブロックは、ＡＡＣエンコーダが１つのタイムセクションを符号化した時は常に書き込まれるものである。そのため、図３内の最下段のラインで示されるように、あるＬＡＴＭヘッダによって指示されたフレーム内のデータの大部分が、たとえ次のタイムセクション（ＣＥＬＰフレームに関して）から発生して来たものである場合や、あるいは前のタイムセクション（ＡＡＣフレームに関して）から発生して来たものである場合であっても、参照ポイントとしての役割を果たすことができる。この時各シフトは、ビットストリーム内で追加的に伝送されるべきの２個の変数により、デコーダに対して伝達される。

ＭＰＥＧ４に従ったスケーラブルエンコーダの回路図である。 連続的なタイムセクションに分割された１つの入力信号の全体図である。 連続的なタイムセクションに分割された１つの入力信号の全体図であって、第１エンコーダのブロック長と第２エンコーダのブロック長との関係が示された図である。 第１スケーリングレイヤの復号化において高遅延を伴うスケーラブルデータストリームの全体図である。 第１スケーリングレイヤの復号化において低遅延を伴うスケーラブルデータストリームの全体図である。 カレントセクションに関する決定データブロックの後に、第２エンコーダの先行するタイムセクションからの出力データのみが配置される本発明のビットストリームフォーマットを示す図である。 本発明のスケーラブルデータストリームが、第１エンコーダとしてのＣＥＬＰエンコーダと第２エンコーダとしてのＡＡＣエンコーダとを備え、ビットセイビングバンク機能を持つ場合の例を示す詳細図である。 固定フレーム長を備えたビットストリームフォーマットの例を示す図である。 固定フレーム長とバックポインタとを備えたビットストリームフォーマットの例を示す図である。 可変フレーム長を備えたビットストリームフォーマットの例を示す図である。

符号の説明

１２ 第１エンコーダ
１４ 第２エンコーダ
２００ 決定データブロック
３１４ バッファ情報

Claims (11)

1. 第１スケーリングレイヤを提供する第１エンコーダ（１２）の出力データの１個あるいは複数のブロックと、第２スケーリングレイヤを提供する第２エンコーダ（１４）の出力データの１個あるいは複数のブロックとから、オーディオデータのスケーラブルデータストリームを生成する方法であって、上記第１エンコーダ（１２）の出力データの１個あるいは複数のブロックは合同して上記第１エンコーダへの入力信号のカレントセクションを構成するいくつかのサンプルを表し、上記第２エンコーダ（１４）の出力データの１個あるいは複数のブロックは合同して上記第２エンコーダへの入力信号のカレントセクションを構成するいくつかのサンプルを表し、上記第１エンコーダへのサンプルの個数および上記第２エンコーダへのサンプルの個数は同数であり、第２エンコーダの出力データは可変長である方法において、
   上記スケーラブルデータストリームの中に、上記第１エンコーダおよび第２エンコーダへの入力信号のカレントセクションに関するヘッダブロック（３０６）を書き込むステップと、
   上記スケーラブルデータストリームの中に、上記第２エンコーダへの入力信号の先行するセクションを表す第２エンコーダの出力データ（３１２）を、エンコーダからデコーダへの伝送方向からみて上記ヘッダブロック（３０６）の後方に書き込むステップと、
   上記スケーラブルデータストリームの中に、上記入力信号の先行するセクションを表す第２エンコーダの出力データが書き込まれた後で、上記第２エンコーダへの入力信号のカレントセクションを表す第２エンコーダの出力データ（３１０）を書き込むステップと、
   上記先行するセクションを表す第２エンコーダの出力データが上記カレントセクションに関するヘッダブロックの後にどこまで延びるのかを示すバッファ情報（３１４）を、上記スケーラブルデータストリーム内に書き込むステップと、
   上記スケーラブルデータストリーム内に上記第１エンコーダ（１２）の出力データの１個あるいは複数のブロックを書き込むステップと、を含み、
   上記スケーラブルデータストリームは連続する複数のフレームを含み、各フレームは、１つのヘッダブロックと、第１エンコーダの出力データの少なくとも１つのブロックと、第２エンコーダの出力データの少なくとも１つのブロックとを含むことを特徴とする方法。
2. 請求項１に記載の方法において、
   同一の長さを持つ上記入力信号のセクションに対応する上記第２エンコーダの出力データのブロックの長さは様々であり、その出力データのブロックの長さは上記入力信号の信号特性に依存し、
   同一の長さを持つ上記入力信号のセクションに対応する上記第１エンコーダの出力データの１個あるいは複数のブロックの長さは同一であり、
   上記ビットストリームの伝送レートは一定であることを特徴とする方法。
3. 請求項１または２に記載の方法において、
   上記第２エンコーダ（１４）はビットセイビングバンク機能を備え、このビットセイビングバンクの最大サイズは最大バッファサイズ情報により与えられ、かつ上記ビットセイビングバンクのカレントレベルはカレントバッファ情報により与えられ、
   上記バッファ情報（３１４）は、上記最大バッファサイズ情報と上記カレントバッファ情報との差から与えられることを特徴とする方法。
4. 請求項１ないし３のいずれかに記載の方法において、
   上記第１エンコーダの出力データを書き込むステップは、上記第１エンコーダの出力データの１つのブロックが上記ヘッダブロック（３０６）の直後に配置されるように実行され、
   このヘッダブロック（３０６）の長さと、上記第１エンコーダの上記出力データブロックの長さとは、上記第２エンコーダの出力データが上記ヘッダブロックの後にどこまで延びるのかをデコーダが上記バッファ情報を用いて決定する際には考慮されないことを特徴とする方法。
5. 請求項１ないし４のいずれかに記載の方法において、
   上記第１エンコーダの出力データの１個あるいは複数のブロックを書き込むステップは、上記第１エンコーダの出力データのブロックを上記スケーラブルデータストリームの中に等間隔で書き込むものであることを特徴とする方法。
6. 請求項１ないし５のいずれかに記載の方法において、
   上記第１エンコーダ（１２）はＣＥＬＰエンコーダであり、
   上記第２エンコーダ（１４）はＡＡＣエンコーダであり、
   上記ヘッダブロックはＭＰＥＧ４に従ったＬＡＴＭヘッダであることを特徴とする方法。
7. 請求項１ないし６のいずれかに記載の方法において、
   上記第２エンコーダ（１４）の出力データの少なくとも１つのブロックと、上記第１エンコーダ（１２）の出力データの少なくとも１つのブロックとは１つのスーパーフレーム内のペイロードデータであり、このスーパーフレームは上記ペイロードデータとは別に唯１個のヘッダブロックを持つことを特徴とする方法。
8. 請求項１ないし７のいずれかに記載の方法において、
   上記第１エンコーダの出力データのブロックを書き込むステップにおいて、上記第１エンコーダへの入力信号のカレントセクションを表す上記第１エンコーダの出力データの少なくとも１個のブロックが、伝送方向からみて上記カレントタイムセクションに関する上記ヘッダブロックの前方に書き込まれることを特徴とする方法。
9. 第１スケーリングレイヤを提供する第１エンコーダ（１２）の出力データの１個あるいは複数のブロックと、第２スケーリングレイヤを提供する第２エンコーダ（１４）の出力データの１個あるいは複数のブロックとから、オーディオデータのスケーラブルデータストリームを生成する装置であって、上記第１エンコーダ（１２）の出力データの１個あるいは複数のブロックは合同して上記第１エンコーダへの入力信号のカレントセクションを構成するいくつかのサンプルを表し、上記第２エンコーダ（１４）の出力データの１個あるいは複数のブロックは合同して上記第２エンコーダへの入力信号のカレントセクションを構成するいくつかのサンプルを表し、上記第１エンコーダへのサンプルの個数および上記第２エンコーダへのサンプルの個数は同数であり、第２エンコーダの出力データは可変長である装置において、
   上記スケーラブルデータストリームの中に、上記第１エンコーダおよび第２エンコーダへの入力信号のカレントセクションに関するヘッダブロック（３０６）を書き込む手段と、
   上記スケーラブルデータストリームの中に、上記第２エンコーダへの入力信号の先行するセクションを表す第２エンコーダの出力データ（３１２）を、エンコーダからデコーダへの伝送方向からみて上記ヘッダブロック（３０６）の後方に書き込む手段と、
   上記スケーラブルデータストリームの中に、上記入力信号の先行するセクションを表す第２エンコーダの出力データが書き込まれた後で、上記第２エンコーダへの入力信号のカレントセクションを表す第２エンコーダの出力データ（３１０）を書き込む手段と、
   上記先行するセクションを表す第２エンコーダの出力データが、上記カレントセクションに関するヘッダブロックの後にどこまで延びるのかを示すバッファ情報（３１４）を、上記スケーラブルデータストリーム内に書き込む手段と、
   上記スケーラブルデータストリーム内に上記第１エンコーダの出力データの１個あるいは複数のブロックを書き込む手段と、を含み、
   上記スケーラブルデータストリームは連続する複数のフレームを含み、各フレームは、１つのヘッダブロックと、第１エンコーダの出力データの少なくとも１つのブロックと、第２エンコーダの出力データの少なくとも１つのブロックとを含むことを特徴とする装置。
10. 第１スケーリングレイヤを提供する第１エンコーダ（１２）の出力データの１個あるいは複数のブロックと、第２スケーリングレイヤを提供する第２エンコーダ（１４）の出力データの１個あるいは複数のブロックとを含む、オーディオデータのスケーラブルデータストリームを復号化する方法であって、上記第１エンコーダ（１２）の出力データの１個あるいは複数のブロックは合同して上記第１エンコーダへの入力信号のカレントセクションを構成するいくつかのサンプルを表し、上記第２エンコーダ（１４）の出力データの１個あるいは複数のブロックは合同して上記第２エンコーダへの入力信号のカレントセクションを構成するいくつかのサンプルを表し、上記第１エンコーダへのサンプルの個数および上記第２エンコーダへのサンプルの個数は同数であり、第２エンコーダの出力データは可変長であり、上記スケーラブルデータストリームは、上記第１および第２エンコーダのカレントセクションのためのヘッダブロックと、伝送方向からみてこのヘッダブロックの後に配置された上記入力信号の先行するセクションを表す第２エンコーダの出力データと、上記先行するセクションを表す第２エンコーダの出力データが上記ヘッダブロックの後にどこまで延びるのかを示すバッファ情報と、を備えた復号化方法において、
    上記第１および第２エンコーダへの入力信号のカレントセクションに関する上記ヘッダブロック（３０６）を読み取るステップと、
    上記第１エンコーダ（１２）のカレントセクションを表す上記第１エンコーダの出力データを読み取るステップと、
    上記バッファ情報（３１４）を読み取るステップと、
    上記スケーラブルデータストリーム内において上記バッファ情報（３１４）によって示された位置から開始するカレントセクションを表す上記第２エンコーダの出力データ（３１０）を読み取るステップと、
    復号化された信号を得るために、上記第２エンコーダの出力データ（３１０）と上記第１エンコーダの出力データとを復号化するステップと、を備えることを特徴とする方法。
11. 第１スケーリングレイヤを提供する第１エンコーダ（１２）の出力データの１個あるいは複数のブロックと、第２スケーリングレイヤを提供する第２エンコーダ（１４）の出力データの１個あるいは複数のブロックとを含む、オーディオデータのスケーラブルデータストリームを復号化する装置であって、上記第１エンコーダ（１２）の出力データの１個あるいは複数のブロックは合同して上記第１エンコーダへの入力信号のカレントセクションを構成するいくつかのサンプルを表し、上記第２エンコーダ（１４）の出力データの１個あるいは複数のブロックは合同して上記第２エンコーダへの入力信号のカレントセクションを構成するいくつかのサンプルを表し、上記第１エンコーダへのサンプルの個数および上記第２エンコーダへのサンプルの個数は同数であり、第２エンコーダの出力データは可変長であり、上記スケーラブルデータストリームは、上記第１および第２エンコーダのカレントセクションのためのヘッダブロックと、伝送方向からみてこのヘッダブロックの後に配置された上記入力信号の先行するセクションを表す第２エンコーダの出力データと、上記先行するセクションを表す第２エンコーダの出力データが上記ヘッダブロックの後にどこまで延びるのかを示すバッファ情報と、を備えた復号化装置において、
    上記第１および第２エンコーダへの入力信号のカレントセクションに関する上記ヘッダブロック（３０６）を読み取るステップと、
    上記第１エンコーダ（１２）のカレントセクションを表す上記第１エンコーダの出力データを読み取るステップと、
    上記バッファ情報（３１４）を読み取るステップと、
    上記スケーラブルデータストリーム内において上記バッファ情報（３１４）によって示された位置から開始する上記第２エンコーダのカレントセクションを表す出力データを読み取るステップと、を実行できるビットストリームデマルチプレクレクサと、
    復号化された信号を得るために、上記第２エンコーダの出力データ（３１０）と上記第１エンコーダ出力データとを復号化するための手段と、を備えることを特徴とする装置。

Images