JP3970342B2 - 音響信号の知覚符号化 - Google Patents
音響信号の知覚符号化 Download PDFInfo
- Publication number
- JP3970342B2 JP3970342B2 JP28702794A JP28702794A JP3970342B2 JP 3970342 B2 JP3970342 B2 JP 3970342B2 JP 28702794 A JP28702794 A JP 28702794A JP 28702794 A JP28702794 A JP 28702794A JP 3970342 B2 JP3970342 B2 JP 3970342B2
- Authority
- JP
- Japan
- Prior art keywords
- channel
- channels
- matrix
- input
- perceptually
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04S—STEREOPHONIC SYSTEMS
- H04S3/00—Systems employing more than two channels, e.g. quadraphonic
- H04S3/02—Systems employing more than two channels, e.g. quadraphonic of the matrix type, i.e. in which input signals are combined algebraically, e.g. after having been phase shifted with respect to each other
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/66—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission for reducing bandwidth of signals; for improving efficiency of transmission
- H04B1/665—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission for reducing bandwidth of signals; for improving efficiency of transmission using psychoacoustic properties of the ear, e.g. masking effect
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Algebra (AREA)
- Computer Networks & Wireless Communication (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
Description
【０００１】
【発明の背景】
本発明は情報信号の処理、より詳細には、音声（voice ）及び音楽（music ）を表わす信号を含む音響信号（audio signals ）を効率的に符号化する技法に関する。
【０００２】
近年、いわゆる知覚音響符号化（perceptual audio coding 、ＰＡＣ）と呼ばれるものに対してかなりの努力が向けられている。この技法によると、音響信号の一連の時間領域ブロックの各々が周波数領域において符号化される。より詳細には、各ブロックの周波数領域表現がコーダバンド（coder bands ）に分割され、これらの各々が個別に、精神−音響基準（psycho-acoustic criteria）に基づいて、音響信号が大幅に“圧縮（compressed）”されるような方法にて符号化されるが、これは、その音響信号を表現するために要求されるビットの数がその音響信号がより単純なデジタル形式、例えば、ＰＣＭ語の形式にて表現された場合と比較してかなり少なくなることを意味する。
【０００３】
この音響信号が２以上の入力チャネル、例えば、立体音響（ステレオ）音楽の左及び右チャネルから構成される場合は、上に説明の知覚符号化は同数のいわゆるマトリックスチャネル（matrixed channels ）に関して実行される。最も素直な実現においては、各マトリックスチャネルが、各々の入力チャネルから直接に誘導される。従って、例えば、ステレオ音楽の場合、知覚符号化は、”Ｌ”と称される左ステレオ入力チャネルの時間を通じての周波数領域表現を符号化し、また、ここでは”Ｒ”と称される別個の右ステレオ入力チャネルの時間を通じての周波数領域表現の符号化を行なうことを意味する。ただし、これは実際にステレオ音楽チャネルの場合は常に成立するが、入力チャネルが互いに高い相関性を持つ場合は、各コーダバンドに対して実行される符号化を二つの符号化モード（coding modes）の間で切り替え、各モードにおいて異なる一組のマトリックスチャネルを使用することによって更なる圧縮を達成することができる。このモードの一方においては、この一組のマトリックスチャネルが単に入力チャネルＬ及びＲから構成される。他方のモードにおいては、この一組の二つのマトリックスチャネルは、Ｓ＝（Ｌ＋Ｒ）／２及びＤ＝（Ｌ−Ｒ）／２から構成される。このＳ及びＤチャネルは、和（sum 、Ｓ）／差（difference、Ｄ）チャネルと呼ばれる。この技法は、以降、“Johnstonの特許”と称され、ここに参照のために編入される、１９９４年２月８日付けでJ.D.Johnstonに交付された合衆国特許第５，２８５，４９８号において教示されている。
【０００４】
より最近では、この技術は、二つ以上のチャネルの音響、例えば、５−チャネル音響の知覚符号化に向けられている（ただし、当業者においてはこの説明を続けて行くと明らかになるように、本発明は５つ以外のチャネルを持つシステム内で実現することも可能である。）。５−チャネル音響システムの入力チャネルは、典型的には、３つの“正面（front ）”チャネル及び２つの“後部（back）”チャネルから構成される。これら正面チャネルは、従来の左及び右ステレオチャネルに加えて、その時間を通じての周波数領域表現がここではＣと称せられる中央（center）チャネルを含む。これらチャネルは、鑑賞者（リスナー）の正面の、それぞれ、左、右、及び真正面の所に置かれたスピーカで再生されることを企図する。後部チャネルは、“左縁（left surround ）”及び“右縁（right surround）”チャネルと称され、時間を通じてのこれらの周波数領域表現はここではＬＳ及びＲＳと呼ばれる。これらのチャネルは、リスナの後ろの、それぞれ、左及び右の所に置かれたスピーカの所で再生されることが企図される。
【０００５】
【本件発明の概要】
ステレオ、つまり、２−チャネル音響の符号化のために符号化モード間で切替を行なうことに関するJohnstonの特許の上述した教示は、ここでも同様に知覚符号化自身によって提供されるよりも大きな更なる圧縮を達成するために５−チャネルシステムに適用することができる。例えば、正面チャネルを二つのモード間で切り替え、後部チャネルを二つのモード間で切り替えることができる。正面チャネルに対するこれら二つの符号化モードは、(a)その一組のマトリックスチャネルがＬ、Ｒ、及びＣから構成されるモード、及び(b)その一組のマトリックスチャネルがＳ、Ｄ及びＣから構成されるモードであり得る。同様にして、後部チャネルに対するこれら二つの符号化モードは、(a)その一組のマトリックスチャネルがＬＳ及びＲＳから構成されるモード、及び(b)その一組のマトリックスチャネルが、ＳＳ＝（ＬＳ＋ＲＳ）／２及びＳＤ＝（ＬＳ−ＲＳ）／２によって与えられる後部和／差チャネル、つまりＳＳ及びＳＤから構成されるモードであり得る。
【０００６】
ただし、我々は、２−チャネル以上、例えば、５−チャネル、符号化のためのより高度なモード切替え手法を発明した。本発明によると、複数のモード間での切替えによってさらに追加の圧縮が達成されるが、これら複数のモードの少なくとも一つは、そのマトリックスチャネル一組の内に、それから自身の予測が引かれた入力チャネル又は和／差チャネルによって与えられる少なくとも一つのマトリックスチャネルを含む。もし、ある予測が“良好”予測である場合、つまり、予測されているチャネルに良く一致する場合は、それらの差を表わすために必要とされるビットの数は予測されたチャネルを直接に要求されるビットの数よりかなり低くなり、こうして上に述べた追加の圧縮が達成される。
【０００７】
【外１】
【０００８】
【外２】
【０００９】
これらの好ましい実施例においては、各コーダバンドに対してどの符号化モードが使用されるべきかの選択は、これらモードの内のどれがこれを符号化するために最も少ないビットを要求するかを決定することによって行なわれる。
【００１０】
【詳細な記述】
本開示を簡素化するために、以下の発明及び出版物、つまり、１９９１年８月１３日付けでK.Brandenburg らに交付された合衆国特許第５，０４０，２１７号、１９４年４月２３日付けでJ.L.Hallらに交付された合衆国特許第５，３４１，４５７号、J.D.JohnstonによるIEEE Journal on Selected Areas in Communications、Vol.6,No.2（１９９８年２月号）に掲載の論文『知覚ノイズ基準を使用する音響信号の変換符号化（Transform Coding of Audio Signals Using Perceptual Noise Criteria ）』、１９８８年３月１０日付けで申請された国際特許出願（ＰＣＴ）ＷＯ８８／０１８１１号、ＡＥＳ 90th Convention（１９９１）に掲載の論文『アスペクト: 高品質音楽信号の適応スペクトルエントロピ符号化（Aspec:Adaptive Spectral Entropy Coding of High Quality Music Signals）』、Johnston,J. によるＩＣＡＳＳＰ、（１９８８年）に掲載の論文『ノイズマスキング基準を使用する知覚エントロピの推定（Estimation of Perceptual Entropy Using Noise Masking Criteria ）、J.D.JohnstonによるＩＣＡＳＳＰ、（１９８９年）に掲載の論文『広帯域ステレオ信号の知覚変換符号化（Perceptual Transform Coding of Wideband Stereo Signals）』、E.F.Schroeder 及びJ.J.PlatteによるIEEE Trans. on Consumer Electronics 、Vol.CE-33 、N0.4、１９８７年１１月号に掲載の論文『“ＭＳＣ”、ＣＤ−品質及び２５６ｋＢＩＴ／ＳＥＣを持つステレオ音響符号化（"MSC”、Stereo Audio Coding with CD-Quality and 256 kBIT/SEC）、及びJohnstonによるVol.2 、 No.2 、IEEE J.S.C.A. （１９８８年２月号）に掲載の論文『ノイズ基準を使用する音響信号の変換符号化（Transform Coding of Audio Signals Using Noise Cirteria）』が本開示内に参照の目的であたかも完全に説明されているかのように編入される。
【００１１】
説明の簡明化のために、本発明の一例としての実施例は（“プロセッサ”と呼ばれる機能ブロックを含む）個別の機能ブロックから構成されるものとして記載される。これらブロックが代表する機能は、これらに限定されるものではないがソフトウエアを実行する能力を持つハードウエアを含めた、共有又は専用ハードウエアのいずれかの使用を通じて提供される。説明のための複数の実施例は、デジタル信号プロセッサ（ＤＳＰ）ハードウエア、及び以下に説明される動作を遂行するソフトウエアから構成される。本発明による大規模集積（ＶＬＳＩ）ハードウエアの実施例、並びにハイブリッドＤＳＰ／ＶＬＳＩの実施例も提供される。
【００１２】
図１は本発明で実現されるシステムの全体ブロック図である。図１において、リード１０１上のアナログ音響信号が前処理プロセッサ１０２に供給され、ここでこれは（典型的には４８ＫＨｚで）サンプリングされ、標準の様式にてリード１０３上の１６ビット／サンプルのデジタルパルス符号変調（ＰＣＭ）信号に変換される。このＰＣＭ信号は知覚音響符号器（ＰＡＣ）１０４に供給されるが、これはＰＣＭ信号を圧縮し、圧縮されたＰＡＣ信号を通信チャネル又は記憶媒体１０６に向かうリード１０５上に出力する。記憶媒体は、例えば、磁気テープ、コンパクトディクス又は他の記憶媒体でもよい。この通信チャネル又は記憶媒体からのリード１０７上の圧縮されたＰＡＣ符号化された信号は知覚音響復号器１０８に供給されるが、これは圧縮ＰＡＣ符号化された信号を伸張（decompresses）し、リード１０９上に元のアナログ信号のデジタル表現であるＰＣＭ信号を出力する。知覚音響復号器から、リード１０９上のＰＣＭ信号は、後置プロセッサ１１０に供給されるが、これはアナログ表現を生成する。
【００１３】
知覚音響符号器１０４の説明のための実施例が図２にブロック図形式にて示される。図２の知覚音響符号器は、好ましくは、分析フィルタバンク２０２、知覚モデルプロセッサ２０４、複合符号器２０５、量子化器／レートループプロセッサ２０６及びエントロピ符号化器２０８から構成される。
【００１４】
知覚音響符号器１０４の様々な要素の構造及び動作は、ステレオ信号を処理する場合は、Johnstonの図２内の同様の要素の構造及び動作におおむね類似し、従って、ここでは、本発明の詳細な説明に必要な範囲を越えては詳細には説明しない。ここでの説明には、複合符号器（composite coder ）２０５の説明が含まれるが、これに対して、Johnstonの特許の図２には、明示的な対応要素が示されてない（ただし、符号化モード間の切り替えに関係するこの要素の機能は、Johnstonの特許においては分析フィルタバンク２０２内において暗黙的に遂行される）。
【００１５】
図２の説明に戻るが、リード１０３上のアナログ音響入力信号は、一例として、時間領域において、一組の入力チャネル、つまり、それぞれ、１(t)、ｒ(t)、ｃ(t)、ｌｓ(t)及びｒｓ(t)と命名される左（left）、右（right ）、中央（center）正面（front ）チャネル、左縁（left surround ）及び右縁（right surround）後部（back） チャネル、のＰＣＭサンプルから構成される５−チャネル信号である。分析フィルタバンク２０２はこれらサンプルを受信し、これらを時間領域ブロックに分割する。より詳細には、フィルタバンク２０２は、これらブロックに対して、二つのウインドウ長間で切り替えを行なうが、ここで“短い”ウインドウは１２８個の時間サンプルを含み、“長い”ウインドウは１０２４個の時間サンプルを含む。各ブロックに対して、フィルタバンク２０２は、問題のブロックに対する各チャネルの周波数領域表現を提供するために５つのチャネルの各々に関して個別に修正離散コサイン変換（Modified Discrete Cosine Transform）を遂行する。各チャネルの周波数領域表現は、長いウインドウ長ブロックに対する４９個のコーダバンドに分割された１０２４の一様の間隔を持つ周波数スペクトルライン、及び短いウインドウ長ブロックに対する１４のコーダバンドに分割された１２８の一様の間隔を持つ周波数スペクトルラインを含む。左、右、中央、左縁及び右縁入力チャネルは、図面においては、Ｌ(f)、Ｒ(f)、Ｃ(f)、ＬＳ(f)及びＲＳ(f) と命名されているが、ただし、以降は便宜上、Ｌ、Ｒ、Ｃ、ＬＳ及びＲＳと命名する。
【００１６】
分析フィルタバンク２０２の出力は、複合符号器２０５に加えられるが、これは後に詳細に説明される方法にて５つのマトリックスチャネルＭ1(f)−Ｍ5(f)を生成し、これらは量子化器／レートループプロセッサ（quantizer/rate loop processor ）２０６に加えられる。後者は、こけらのマトリックスチャネルを符号化するが、これは、(a) 与えられたブロックに対する各マトリックスチャネルの周波数スペクトルラインの各々の符号付きの規模を表わす二進データを生成し、(b) このデータを復号器によって必要とされる他の情報と共にフォーマット化することによって達成される。このデータは、Johnstonの特許及びここでも以下において説明されているような様々な“ハウスキーピング（housekeeping）”データ、並びに、本発明の実現の過程において生成されるデータ、例えば、以下に説明される、ある与えられたブロック内の各コーダバンドを符号化するときに使用された符号化モードの指標、並びに、これも以下に説明される、幾つかの予測係数の値を含む。
【００１７】
量子化器／レートループプロセッサ２０６の出力はエントロピ符号化器２０８に供給される。後者は前者と連絡して動作することにより一層の圧縮を達成する。
【００１８】
上に述べたように、複合符号器２０５の出力は５つのマトリックスチャネルを含む。複合符号器２０５は複数の符号化モードを持つが、各々は異なる一組のマトリックスチャネルによって特性化され、各コーダバンドに対して説明されるような方法にて異なる符号化モードが個別に呼び出される。幾つかのモード内の幾つかのマトリックスチャネルは入力チャネルＬ、Ｒ、Ｃ、ＬＳ及びＲＳであり、これらマトリックスチャネルの他の幾つかは、いわゆる和／差チャネル、つまり、Ｓ＝（Ｌ＋Ｒ）／２、Ｄ＝（Ｌ−Ｒ）／２、ＳＳ＝（ＬＳ＋ＲＳ）／２及びＳＤ＝（ＬＳ−ＲＳ）／２である。
【００１９】
ただし、本発明によると、これらモードの少なくとも一つは、それからそれ自身の予測が引かれた入力チャネル又は和／差チャネルによって与えられる少なくとも一つのマトリックスチャネルを含む。ここで説明の一例としての実施例においては、正面（front ）チャネルを符号化するために６つのモードが提供される。正面入力チャネルＬ、Ｒ及びＣに直接に関わりのある３つのモードは以下である。
【数１】
【００２０】
正面和（sum ）／差（difference）チャネルＳ及びＤと関係のある他の３つのモードは以下の通りである。
【数２】
【００２１】
後部（back）チャネルに対しては８つのモードが提供される。後部チャネルＬＳ及びＲＳと直接に関係のある４つのモードは以下の通りである。
【数３】
【００２２】
後部和／差チャネルＳＳ及びＤＳと関係のある他の４つのモードは以下の通りである。
【数４】
【００２３】
【外３】
【００２４】
【外４】
【００２５】
【外５】
【００２６】
上の式（１）、式（２）、式（３）及び式（４）から分かるように、和／差チャネルはペアの正面チャネル又はペアの後部チャネル間でのみ形成される。おそらく、３つ又はそれ以上の入力チャネルを巻き込み、更に、おそらく正面と後部チャネル間の和及び差を巻き込むようなより複雑な組合わせ、つまり、“基底変換（basis transformations ）”が圧縮の観点からは有利な場合もある。ただし、このようなより複雑な基底変換は考えない方が良い。これは、この場合は、知覚符号化の推進原理である量子化ノイズのマスキングが、５スピーカの視聴覚室環境においてのみか、いわゆる５入力チャネルのステレオダウンミックス（stereo downmix）の場合、例えば、ヘッドホーン再生に対する二つのチャネルに対しても効果を及ぼすことを確保する必要があるためである。さらに、このより複雑な基底変換は、通常、符号化のために（以下に説明されるように）より低いノイズしきい値を使用することを要求し、これは、結果として、達成される圧縮の量を低減する。
【００２７】
我々は、次に、(a) 任意の特定の符号化モードの５つのマトリックスチャネルの符号化をいかに遂行するか、及び(b) ある与えられたブロックに対するある特定のコーダバンドを符号化するために使用されるべきモードをどのように決定すべきかの問題を扱う。
【００２８】
より詳細には、Johnstonの特許は、各ブロックに対して、知覚モデルプロセッサが各コーダバンドについて各マトリックスチャネルに対するノイズしきい値をいかにして生成するかを説明する。ここで、このしきい値は、量子化器／レートループプロセッサにとって、その各々のマトリックスチャネルの符号化における致命的なパラメータである。従って、２−チャネルシステムに対する各コーダバンドに対して、各々、Ｌ、Ｒ、Ｓ及びＤに対する４つのノイズしきい値が生成される。これらノイズしきい値は知覚モデムプロセッサ２０４によってリード２１４を介して複合符号器２０５に供給される。Ｌ及びＲがJohnstonの特許の一つの符号化モードの際のある特定のコーダバンドに対する符号化されたチャネルである場合、これらの各々のしきい値がこれらチャネルを符号化するために使用される。同様に、Ｓ及びＤが他の符号化モードの際の符号化されたチャネルである場合、それらの各々のしきい値がそれらのチャネルを符号化するために使用される。
【００２９】
【外６】
【００３０】
ある特定の符号化モードが選択される様式が図３の流れ図によって図解されている。この流れ図は、これとの関係で、正面チャネルに対して及びある特定のコーダバンドに対して遂行される処理を表わす。類似する処理が各コーダバンドに対して正面及び後部チャネルの両方に対して個別に遂行される。具体的には、［］内の項目は、後部チャネルに対して遂行される処理に関する。
【００３１】
最初に、知覚モデルプロセッサ２０４によって前述の９つのしきい値が生成される（ブロック３０１）。次に、複合符号器２０５内において、正面チャネルに対する符号化モードが入力チャネルを巻き込むタイプであるべきか、又は和／差チャネルを巻き込むタイプであるべきか、つまり、モード（１）の一つであるべきか、又はモード（２）の一つであるべきかの判定が行なわれる。この判定を行なうに当って採用される一つの基準は、ＬとＲに対するしきい値を比較することである（ブロック３０３）。これらが所定の量、例えば、２ｄＢ以上異なる場合は、入力チャネル符号化、つまり、（１）内の３つのモードの一つが使用される。これらに所定の量以上の差がない場合は、ここでは実現されてない一つのアプローチにおいては、ただちに、和／差符号化、つまり（２）内の３つのモードの一つが選択される。ただし、ここでは、より高度なアプローチが使用される。より詳細には、我々は、ＬとＲが高度に相関を持つ場合、(a) このケースにおいては高度の圧縮が達成されるのみでなく、(b)これがいわゆるノイズ局所化（noise localization） を制御するという理由から、和／差マトリックスチャネルの使用が望ましいことを認識する。ただし、ノイズ局所化の制御は、Ｌ及びＲに対するしきい値を適当に下げることによっても達成することができるばかりでなく、これら下げられたしきい値にてＬ及びＲを符号化した場合、しばしば、Ｓ及びＤの符号化よりも少ないビットで済む場合がある。従って、Ｌ及びＲを下げたしきい値にて符号化するか、又はＳ及びＤを符号化するか、どちらのアプローチの方がより少数のビットを要求するかを決定するために、従来の技術において教示されている“知覚エントロピ（perceptual entropy）”基準が使用される。符号化モードが一度（１）又は（２）であることから狭く絞られると（ブロック３０７）、使用されるべき特定の符号化モードが、単純に、再度、最少数のビットを要求するモードを同定するために前述の知覚エントロピ基準を使用することによって選択される（ブロック３０９又は３１４）。類似するプロセスが後部チャネルに対して遂行され、正面及び後部チャネルの両方に対してどの符号化モードが使用されたかの指標が符号化されたチャネルそれら自身と共に格納又は送信される。
【００３２】
図２の符号器の更なる新規の特徴点の一つは、これら５つの入力チャネル及び４つの和／差チャネルに対するしきい値の生成に関する。いわゆる広域マスキングしきい値（global masking threshold）を使用する符号器のこの特徴は、その信号成分が他のマトリックスチャネル内のノイズをマスクするために最強であるマトリックスチャネル内の信号成分のマスキング能力を利用する。
【００３３】
この特徴の使用を理解するために、我々は、符号器１０４内に、従来の技術において周知の符号器と同様に、基本的に、ビット単位にて測定された過剰チャネル能力（excess channel capacity ）のカウントである“ビット貯蔵（bit reservoir ）”が維持されることを考慮することから始める。このカウントは、本質的には、(a) 過去における平均出力ビット速度での利用可能なビット伝送スロット（bit transmission slots）の数と、(b) 実際に符号化されたビットの数との間の差の測定値である。ビット貯蔵のカウントの最大サイズは、そのシステム内において許される緩衝（潜在能力）の量に依存する。この未使用能力は、将来のブロックがそれらのブロックの内容を表現するために平均以上のビット数を要求するかどうかの事実を扱うために使用することができる。こうして、各ブロックに対して生成された符号化されたビット数がブロックからブロックへと変動し、一般的には、（毎秒平均ベースで見た場合）ある時はこの速度より高くなったり、ある時はこれよりも低くなったりはするが、比較的一定の出力ビット速度を支持することができる。典型的には、ビット貯蔵容量は、ブロック当りの平均ビット速度の５倍とされる。
【００３４】
ビット貯蔵がその最大容量に達すると、これは、ビット要件が一貫して平均出力ビット速度よりも低かったことの指標であり、このために、ノイズしきい値を低下し、こうして、より細かい量子化を遂行することにより、これら余剰の能力を消費することが得策である。これは、これがより品質の良い再生を提供するという点において有利である。ただし、任意的な代替として、単純に、マーク、又は情報を持たないビットを送信することも可能である。
【００３５】
ただし、修正段階が取られない限り、システムの緩衝能力が全て消費されてしまい、符号化ビットが失われ始めるという時点に備えて、ビット貯蔵が空になった場合に対処する技法が絶対に必要である。従来の技術は、この問題を、(a) ビット貯蔵が枯渇した場合、及び(b) これに加えて、現ブロックに対するビット要件がその時点でのブロック当りの平均出力ビット速度を超える場合に、粗い量子化に切り換えることによって対処する。実現上は、これは、各ノイズしきい値に１以上の一連の増加する定数を掛けて、ビット要件を再計算する動作を、現ブロックに対するビット要件が収容されるようになるときまで反復することによって達成される。将来のブロックのビット要件がいったん平均速度以下になったら、通常のしきい値が再度使用され、ビット貯蔵の補給が開始される。
【００３６】
この従来の技術による手法は、ビット貯蔵枯渇問題を扱うためには効果的であるが、これは復号された信号内に重大なアーティファクト（arifact） の問題を与える危険がある。これは、このしきい値を増加する機構が、我々が有利であると理解する、精神−音響（psycho-acoustic ）考察に基づくことなく、コーダバンドを横断して決定論的であるために起こる。
【００３７】
符号器の前述の新規の特徴によると、精神−音響考察を考慮に入れたビット貯蔵枯渇に対する手法が使用される。この手法は、５つの全てのマトリックスチャネルを横断して一定である各コーダバンドに対する“広域マスキングしきい値（global masking threshold）”を確立する。この大域マスキングしきい値の値は以下に説明されるように計算されるが、現時点では、これはリスニングルーム環境（listening room environment）内のリスナ（listener）によって気づかれることのない任意のチャネル内の最大ノイズレベルを表わすことを示すのみで十分である。
【００３８】
差し迫ったビット貯蔵枯渇に際してノイズしきい値の値を制御するためにどのように広域マスキングしきい値が使用されるかが図４−６内に解説される。図４は、具体的には、一例として、Ｌの最初の４つのコーダバンドに対するしきい値レベル、並びにこれらバンドの各々に対して確立される広域マスキングしきい値を示す（他の各チャネルに対しても類似の表現を使用することができる）。図４によって表わされる時点において、ビット貯蔵は８０％枯渇のレベルのちょうど下にあるものと想定される。このために、この時点では、標準のしきい値の値が使用される。ただし、枯渇レベルが８０％に到達するとただちに、各しきい値に対する下限、一例として、広域マスキングしきい値の５０％が採用され、結果として、この下限よりも小さな全てのしきい値がこれと等しくなるように増加される。各コーダバンドに対して異なる広域マスキングしきい値が設定され、また、ノイズしきい値が各バンドに対して異なるために、これは、幾つかのしきい値は他よりも多く増加され、幾つかは全く増加されないことを意味する。これが図５に図解されるが、ここでは、コーダバンド１及び３に対するしきい値は増加されず、一方、コーダバンド２及び４に対するしきい値は増加されていることがわかる。この手法は、追加のノイズがこれらしきい値の増加の結果として導入されるが、これら追加のノイズは、それがリスナによって気づかれる可能性が最も低いコーダバンド内に導入されるという意味において優れている。ここでの動作機構は、以下のより適切なポイントにおいて説明される。
【００３９】
後の時点において、ビット貯蔵が枯渇のさらに厳しい状態に達したことが観察された場合は、広域マスキングしきい値のさらに高いパーセントが下限として設定され、結果として、これらしきい値の幾つかがさらに増加される。もし、終極的に、下限が一杯の広域マスキングしきい値に設定されなければならず、そして、それでもビット貯蔵の枯渇が続くようであれば、各しきい値がさらに１よりも大きな定数に対応する広域マスキングしきい値の値を掛けることによって与えられる値に増加され、こうして、しきい値の設定において、ここでも引き続いて、少なくともある程度は、精神−音響的な考慮が反映される。これが図６に示される。いったん、ビット貯蔵の蓄積が開始されると、ノイズしきい値の下限を決定するためにますます低い広域マスキングしきい値のパーセントが使用され、８０％に到達した時点で、これらのしきい値はそれらの標準の値に戻される。
【００４０】
各コーダバンドに対する広域マスキングしきい値の実際の値は、そのバンドに対する５つの入力チャネルしきい値の最大から安全マージン（safety margin ）を引いたもとのされる。一方、この安全マージンは、Johnstonの特許において定義される周波数依存両耳マスキングレベル差（ＭＬＤ）に、定数４−５ｄＢを加えたものとされる。
【００４１】
広域マスキングしきい値の値がこのようにして決定されるものとすると、我々は、現在、上に説明された手法がなぜ効果的であるかを理解できる位置にある。ここで何が起こっているかといえば、この技法がその信号成分が他のマトリックスチャネル内のノイズをマスクするために最強であるマトリックスチャネル内の信号要素のマスキング能力を活用するということである。
【００４２】
（上に説明されたように終極的に必要とされない限り、）ノイズしきい値の下限を設定するために、なぜ、最初に、広域マスキングしきい値のあるパーセントのみが使用されるかについては、少なくとも二つの理由がある。一つの理由は、もし一杯の広域しきい値が使用された場合には、ノイズが視聴覚室環境内の全てのリスナーに対して、特に、スピーカ付近のリスナに対しては、完全にマスクされない可能性があるためである。もう一つの理由は、前述のステレオダウンミックスチャネル（stereo downmixed channels ）内のノイズが完全にマスクされない確率が前述の下限を設定するために使用される広域マスキングしきい値のパーセントの増加と共に増加するためである。
【００４３】
図７は、記憶媒体７００、一例として、磁気テープの一部分を示すが、この上に本発明に従って生成されたＰＡＣ−符号化されたデータが格納され、ここからその後、これらデータが、図１との関係で上に説明されたように、読み出され、復号され、リスナに提供される。データは、フレーム．．．Ｆi-1 、Ｆi 、Ｆi+1 、．．．にて格納され、各々のフレームは入力信号の１つのブロックに対応する。これらフレームは記憶媒体上に順番に格納され、２−チャネルＰＡＣに対して従来の技術において教示されるそれと非常に類似する所定のフォーマットに準拠する。一例として、この図面にはフレームＦi の全体が明示的に示される。これらには以下のフィールド、つまり、フレームの開始を定義する同期語７０１、この例においては５とされる入力信号内のチャネルの数を示すチャネル標識７０２、そのフレームが長いウインドウを表わすか又は短いウインドウを表わすかを示すウインドウタイプ標識７０４、各コーダバンド内の問題のブロックを符号化するために１４の符号化モードのどれが使用されたかを示す、所定のコードブックを使用してハフマン符号化形式にて表わされる符号化モード標識７０６、５つの各マトリックスチャネルに対して各々のｄｃ値を指定するｄｃ値７０９、その値が“１”であるときは、予測係数がフレーム内に明示的に指定されており、この場合は、これらが予測係数フィールド７１３内に提供されていることを示し、一方、“０”であるときは、全ての予測係数が値１を持つこと又はこれらが上に説明された方法にて復号器内で計算されるべきあることを示し、これら二つのオプション間の選択がシステムが設計される時点で事前に決定される予測係数標識７１０、及び各々が（このケースにおいては）５つのマトリックスチャネルＭ1(f)からＭ5(f)の対応する一つに対する符号化されたデータを含むＰＡＣデータフィールド７１４−７１８が含まれる。従来の技術による２−チャネルＰＡＣシステムの場合と同様に、フィールド７１４−７１８の各々の一つの中のＰＡＣ−符号化されたデータは、ハフマン符号化形式にて表現される。各チャネル内の様々な符号化バンドに対するデータを符号化するために様々なハフマンコード・コードブック（Huffman code codebooks）が使用され、各フィールド７１４−７１８内のデータはまた問題のマトリックスチャネルのどのコーダバンドを符号化するためにどのコードブックが使用されたかを識別する情報も含む。
【００４４】
図７に示されるフォーマットは、ＰＡＣフレームを他のタイプの記憶媒体、例えば、コンパクトディスク、光ディスク、半導体メモリ等に格納するためにも使用できるものである。
【００４５】
図８は図１のＰＡＣ復号器１０９の一つの説明のための実施例である。図７に示されるようにフレームのシーケンスとしてフォーマット化された入りビット流は、ビット流パーサ（bit stream parser ）８０１によってその様々な成分に構文解析される。この図面には明示的には示されていないが、パーサ８０１は、ＰＡＣ−符号化されたデータを復号器内の次の機能ブロック、つまり、エントロピ復号器８０４に供給するばかりでなく、図７との関連で上に説明された様々な標識及び他の値を復号器の様々な要素のそれらを必要とする一つにも供給する。（同様に、図２においては明示的には示されていないが、それらが量子化器／レートループプロセッサ１０６自体の中で生成されないという範囲で、復号器１０４の様々な要素によって生成された標識及び他の様々な値が、各フレームのフォーマット内に編入することができるようにこれに供給されることも理解できるものである。）
【００４６】
復号器１０９によって遂行される処理に続いて、エントロピ復号器８０４は、エントロピ符号器２０８の逆の機能を遂行し、その出力として５つのマトリックスチャネルＭ1 (f)．．．Ｍ5 (f)を提供する。デマトリクサ（dematrixer）８０７はマトリックスチャネルから周波数領域入力チャネルＬ、Ｒ、Ｃ、ＬＳ及びＲＳを回復するが、これらは、図２においては、Ｌ(f)、Ｒ(f)、Ｃ(f)、ＬＳ(f)及びＲＳ(f) と命名されている。これら周波数領域入力チャネルは、次に、逆修正離散コサイン変換（Inverse Modified Discrete Cosine Transfor 、逆ＭＤＣＴ）プロセッサ８０８によって５つの時間領域チャネル１(t)、ｒ(t)、ｃ(t)、ｌｓ(t)及びｒｓ(t)を生成するために処理される。
【００４７】
すぐ上に説明されたような図８に示される要素の各々によって遂行される処理は素直に遂行することができ、従って、さらに詳細に説明される必要はない。実際、この処理は、２−チャネルＰＡＣに対して従来の技術において遂行されるのと非常に類似するものである。
【００４８】
上記は単に本発明の原理を図解するものであり、当業者においては、ここでは明示的に示されたり、説明されてないが、本発明の原理を具現し、従って、本発明の精神及び範囲に入る様々な代替構成を考案できるものである。
【図面の簡単な説明】
【図１】本発明が一例としてこの中で実現されるシステムのブロック図である。
【図２】図１のシステム内で使用される知覚音響符号器のブロック図である。
【図３】本発明の原理を実現する知覚音響符号器内で遂行されるプロセスの流れ図である。
【図４】広域マスキングしきい値の使用に関係する知覚音響符号器の一つの新規な特徴を図解する図である。
【図５】広域マスキングしきい値の使用に関係する知覚音響符号器の一つの新規な特徴を図解する図である。
【図６】広域マスキングしきい値の使用に関係する知覚音響符号器の一つの新規な特徴を図解する図である。
【図７】ＰＡＣ−符号化された音響のフォーマットを示す図である。
【図８】図１のシステム内で使用された知覚音響復号器のブロック図である。
【発明の背景】
本発明は情報信号の処理、より詳細には、音声（voice ）及び音楽（music ）を表わす信号を含む音響信号（audio signals ）を効率的に符号化する技法に関する。
【０００２】
近年、いわゆる知覚音響符号化（perceptual audio coding 、ＰＡＣ）と呼ばれるものに対してかなりの努力が向けられている。この技法によると、音響信号の一連の時間領域ブロックの各々が周波数領域において符号化される。より詳細には、各ブロックの周波数領域表現がコーダバンド（coder bands ）に分割され、これらの各々が個別に、精神−音響基準（psycho-acoustic criteria）に基づいて、音響信号が大幅に“圧縮（compressed）”されるような方法にて符号化されるが、これは、その音響信号を表現するために要求されるビットの数がその音響信号がより単純なデジタル形式、例えば、ＰＣＭ語の形式にて表現された場合と比較してかなり少なくなることを意味する。
【０００３】
この音響信号が２以上の入力チャネル、例えば、立体音響（ステレオ）音楽の左及び右チャネルから構成される場合は、上に説明の知覚符号化は同数のいわゆるマトリックスチャネル（matrixed channels ）に関して実行される。最も素直な実現においては、各マトリックスチャネルが、各々の入力チャネルから直接に誘導される。従って、例えば、ステレオ音楽の場合、知覚符号化は、”Ｌ”と称される左ステレオ入力チャネルの時間を通じての周波数領域表現を符号化し、また、ここでは”Ｒ”と称される別個の右ステレオ入力チャネルの時間を通じての周波数領域表現の符号化を行なうことを意味する。ただし、これは実際にステレオ音楽チャネルの場合は常に成立するが、入力チャネルが互いに高い相関性を持つ場合は、各コーダバンドに対して実行される符号化を二つの符号化モード（coding modes）の間で切り替え、各モードにおいて異なる一組のマトリックスチャネルを使用することによって更なる圧縮を達成することができる。このモードの一方においては、この一組のマトリックスチャネルが単に入力チャネルＬ及びＲから構成される。他方のモードにおいては、この一組の二つのマトリックスチャネルは、Ｓ＝（Ｌ＋Ｒ）／２及びＤ＝（Ｌ−Ｒ）／２から構成される。このＳ及びＤチャネルは、和（sum 、Ｓ）／差（difference、Ｄ）チャネルと呼ばれる。この技法は、以降、“Johnstonの特許”と称され、ここに参照のために編入される、１９９４年２月８日付けでJ.D.Johnstonに交付された合衆国特許第５，２８５，４９８号において教示されている。
【０００４】
より最近では、この技術は、二つ以上のチャネルの音響、例えば、５−チャネル音響の知覚符号化に向けられている（ただし、当業者においてはこの説明を続けて行くと明らかになるように、本発明は５つ以外のチャネルを持つシステム内で実現することも可能である。）。５−チャネル音響システムの入力チャネルは、典型的には、３つの“正面（front ）”チャネル及び２つの“後部（back）”チャネルから構成される。これら正面チャネルは、従来の左及び右ステレオチャネルに加えて、その時間を通じての周波数領域表現がここではＣと称せられる中央（center）チャネルを含む。これらチャネルは、鑑賞者（リスナー）の正面の、それぞれ、左、右、及び真正面の所に置かれたスピーカで再生されることを企図する。後部チャネルは、“左縁（left surround ）”及び“右縁（right surround）”チャネルと称され、時間を通じてのこれらの周波数領域表現はここではＬＳ及びＲＳと呼ばれる。これらのチャネルは、リスナの後ろの、それぞれ、左及び右の所に置かれたスピーカの所で再生されることが企図される。
【０００５】
【本件発明の概要】
ステレオ、つまり、２−チャネル音響の符号化のために符号化モード間で切替を行なうことに関するJohnstonの特許の上述した教示は、ここでも同様に知覚符号化自身によって提供されるよりも大きな更なる圧縮を達成するために５−チャネルシステムに適用することができる。例えば、正面チャネルを二つのモード間で切り替え、後部チャネルを二つのモード間で切り替えることができる。正面チャネルに対するこれら二つの符号化モードは、(a)その一組のマトリックスチャネルがＬ、Ｒ、及びＣから構成されるモード、及び(b)その一組のマトリックスチャネルがＳ、Ｄ及びＣから構成されるモードであり得る。同様にして、後部チャネルに対するこれら二つの符号化モードは、(a)その一組のマトリックスチャネルがＬＳ及びＲＳから構成されるモード、及び(b)その一組のマトリックスチャネルが、ＳＳ＝（ＬＳ＋ＲＳ）／２及びＳＤ＝（ＬＳ−ＲＳ）／２によって与えられる後部和／差チャネル、つまりＳＳ及びＳＤから構成されるモードであり得る。
【０００６】
ただし、我々は、２−チャネル以上、例えば、５−チャネル、符号化のためのより高度なモード切替え手法を発明した。本発明によると、複数のモード間での切替えによってさらに追加の圧縮が達成されるが、これら複数のモードの少なくとも一つは、そのマトリックスチャネル一組の内に、それから自身の予測が引かれた入力チャネル又は和／差チャネルによって与えられる少なくとも一つのマトリックスチャネルを含む。もし、ある予測が“良好”予測である場合、つまり、予測されているチャネルに良く一致する場合は、それらの差を表わすために必要とされるビットの数は予測されたチャネルを直接に要求されるビットの数よりかなり低くなり、こうして上に述べた追加の圧縮が達成される。
【０００７】
【外１】
【外２】
これらの好ましい実施例においては、各コーダバンドに対してどの符号化モードが使用されるべきかの選択は、これらモードの内のどれがこれを符号化するために最も少ないビットを要求するかを決定することによって行なわれる。
【００１０】
【詳細な記述】
本開示を簡素化するために、以下の発明及び出版物、つまり、１９９１年８月１３日付けでK.Brandenburg らに交付された合衆国特許第５，０４０，２１７号、１９４年４月２３日付けでJ.L.Hallらに交付された合衆国特許第５，３４１，４５７号、J.D.JohnstonによるIEEE Journal on Selected Areas in Communications、Vol.6,No.2（１９９８年２月号）に掲載の論文『知覚ノイズ基準を使用する音響信号の変換符号化（Transform Coding of Audio Signals Using Perceptual Noise Criteria ）』、１９８８年３月１０日付けで申請された国際特許出願（ＰＣＴ）ＷＯ８８／０１８１１号、ＡＥＳ 90th Convention（１９９１）に掲載の論文『アスペクト: 高品質音楽信号の適応スペクトルエントロピ符号化（Aspec:Adaptive Spectral Entropy Coding of High Quality Music Signals）』、Johnston,J. によるＩＣＡＳＳＰ、（１９８８年）に掲載の論文『ノイズマスキング基準を使用する知覚エントロピの推定（Estimation of Perceptual Entropy Using Noise Masking Criteria ）、J.D.JohnstonによるＩＣＡＳＳＰ、（１９８９年）に掲載の論文『広帯域ステレオ信号の知覚変換符号化（Perceptual Transform Coding of Wideband Stereo Signals）』、E.F.Schroeder 及びJ.J.PlatteによるIEEE Trans. on Consumer Electronics 、Vol.CE-33 、N0.4、１９８７年１１月号に掲載の論文『“ＭＳＣ”、ＣＤ−品質及び２５６ｋＢＩＴ／ＳＥＣを持つステレオ音響符号化（"MSC”、Stereo Audio Coding with CD-Quality and 256 kBIT/SEC）、及びJohnstonによるVol.2 、 No.2 、IEEE J.S.C.A. （１９８８年２月号）に掲載の論文『ノイズ基準を使用する音響信号の変換符号化（Transform Coding of Audio Signals Using Noise Cirteria）』が本開示内に参照の目的であたかも完全に説明されているかのように編入される。
【００１１】
説明の簡明化のために、本発明の一例としての実施例は（“プロセッサ”と呼ばれる機能ブロックを含む）個別の機能ブロックから構成されるものとして記載される。これらブロックが代表する機能は、これらに限定されるものではないがソフトウエアを実行する能力を持つハードウエアを含めた、共有又は専用ハードウエアのいずれかの使用を通じて提供される。説明のための複数の実施例は、デジタル信号プロセッサ（ＤＳＰ）ハードウエア、及び以下に説明される動作を遂行するソフトウエアから構成される。本発明による大規模集積（ＶＬＳＩ）ハードウエアの実施例、並びにハイブリッドＤＳＰ／ＶＬＳＩの実施例も提供される。
【００１２】
図１は本発明で実現されるシステムの全体ブロック図である。図１において、リード１０１上のアナログ音響信号が前処理プロセッサ１０２に供給され、ここでこれは（典型的には４８ＫＨｚで）サンプリングされ、標準の様式にてリード１０３上の１６ビット／サンプルのデジタルパルス符号変調（ＰＣＭ）信号に変換される。このＰＣＭ信号は知覚音響符号器（ＰＡＣ）１０４に供給されるが、これはＰＣＭ信号を圧縮し、圧縮されたＰＡＣ信号を通信チャネル又は記憶媒体１０６に向かうリード１０５上に出力する。記憶媒体は、例えば、磁気テープ、コンパクトディクス又は他の記憶媒体でもよい。この通信チャネル又は記憶媒体からのリード１０７上の圧縮されたＰＡＣ符号化された信号は知覚音響復号器１０８に供給されるが、これは圧縮ＰＡＣ符号化された信号を伸張（decompresses）し、リード１０９上に元のアナログ信号のデジタル表現であるＰＣＭ信号を出力する。知覚音響復号器から、リード１０９上のＰＣＭ信号は、後置プロセッサ１１０に供給されるが、これはアナログ表現を生成する。
【００１３】
知覚音響符号器１０４の説明のための実施例が図２にブロック図形式にて示される。図２の知覚音響符号器は、好ましくは、分析フィルタバンク２０２、知覚モデルプロセッサ２０４、複合符号器２０５、量子化器／レートループプロセッサ２０６及びエントロピ符号化器２０８から構成される。
【００１４】
知覚音響符号器１０４の様々な要素の構造及び動作は、ステレオ信号を処理する場合は、Johnstonの図２内の同様の要素の構造及び動作におおむね類似し、従って、ここでは、本発明の詳細な説明に必要な範囲を越えては詳細には説明しない。ここでの説明には、複合符号器（composite coder ）２０５の説明が含まれるが、これに対して、Johnstonの特許の図２には、明示的な対応要素が示されてない（ただし、符号化モード間の切り替えに関係するこの要素の機能は、Johnstonの特許においては分析フィルタバンク２０２内において暗黙的に遂行される）。
【００１５】
図２の説明に戻るが、リード１０３上のアナログ音響入力信号は、一例として、時間領域において、一組の入力チャネル、つまり、それぞれ、１(t)、ｒ(t)、ｃ(t)、ｌｓ(t)及びｒｓ(t)と命名される左（left）、右（right ）、中央（center）正面（front ）チャネル、左縁（left surround ）及び右縁（right surround）後部（back） チャネル、のＰＣＭサンプルから構成される５−チャネル信号である。分析フィルタバンク２０２はこれらサンプルを受信し、これらを時間領域ブロックに分割する。より詳細には、フィルタバンク２０２は、これらブロックに対して、二つのウインドウ長間で切り替えを行なうが、ここで“短い”ウインドウは１２８個の時間サンプルを含み、“長い”ウインドウは１０２４個の時間サンプルを含む。各ブロックに対して、フィルタバンク２０２は、問題のブロックに対する各チャネルの周波数領域表現を提供するために５つのチャネルの各々に関して個別に修正離散コサイン変換（Modified Discrete Cosine Transform）を遂行する。各チャネルの周波数領域表現は、長いウインドウ長ブロックに対する４９個のコーダバンドに分割された１０２４の一様の間隔を持つ周波数スペクトルライン、及び短いウインドウ長ブロックに対する１４のコーダバンドに分割された１２８の一様の間隔を持つ周波数スペクトルラインを含む。左、右、中央、左縁及び右縁入力チャネルは、図面においては、Ｌ(f)、Ｒ(f)、Ｃ(f)、ＬＳ(f)及びＲＳ(f) と命名されているが、ただし、以降は便宜上、Ｌ、Ｒ、Ｃ、ＬＳ及びＲＳと命名する。
【００１６】
分析フィルタバンク２０２の出力は、複合符号器２０５に加えられるが、これは後に詳細に説明される方法にて５つのマトリックスチャネルＭ1(f)−Ｍ5(f)を生成し、これらは量子化器／レートループプロセッサ（quantizer/rate loop processor ）２０６に加えられる。後者は、こけらのマトリックスチャネルを符号化するが、これは、(a) 与えられたブロックに対する各マトリックスチャネルの周波数スペクトルラインの各々の符号付きの規模を表わす二進データを生成し、(b) このデータを復号器によって必要とされる他の情報と共にフォーマット化することによって達成される。このデータは、Johnstonの特許及びここでも以下において説明されているような様々な“ハウスキーピング（housekeeping）”データ、並びに、本発明の実現の過程において生成されるデータ、例えば、以下に説明される、ある与えられたブロック内の各コーダバンドを符号化するときに使用された符号化モードの指標、並びに、これも以下に説明される、幾つかの予測係数の値を含む。
【００１７】
量子化器／レートループプロセッサ２０６の出力はエントロピ符号化器２０８に供給される。後者は前者と連絡して動作することにより一層の圧縮を達成する。
【００１８】
上に述べたように、複合符号器２０５の出力は５つのマトリックスチャネルを含む。複合符号器２０５は複数の符号化モードを持つが、各々は異なる一組のマトリックスチャネルによって特性化され、各コーダバンドに対して説明されるような方法にて異なる符号化モードが個別に呼び出される。幾つかのモード内の幾つかのマトリックスチャネルは入力チャネルＬ、Ｒ、Ｃ、ＬＳ及びＲＳであり、これらマトリックスチャネルの他の幾つかは、いわゆる和／差チャネル、つまり、Ｓ＝（Ｌ＋Ｒ）／２、Ｄ＝（Ｌ−Ｒ）／２、ＳＳ＝（ＬＳ＋ＲＳ）／２及びＳＤ＝（ＬＳ−ＲＳ）／２である。
【００１９】
ただし、本発明によると、これらモードの少なくとも一つは、それからそれ自身の予測が引かれた入力チャネル又は和／差チャネルによって与えられる少なくとも一つのマトリックスチャネルを含む。ここで説明の一例としての実施例においては、正面（front ）チャネルを符号化するために６つのモードが提供される。正面入力チャネルＬ、Ｒ及びＣに直接に関わりのある３つのモードは以下である。
【数１】
正面和（sum ）／差（difference）チャネルＳ及びＤと関係のある他の３つのモードは以下の通りである。
【数２】
後部（back）チャネルに対しては８つのモードが提供される。後部チャネルＬＳ及びＲＳと直接に関係のある４つのモードは以下の通りである。
【数３】
後部和／差チャネルＳＳ及びＤＳと関係のある他の４つのモードは以下の通りである。
【数４】
【外３】
【外４】
【外５】
上の式（１）、式（２）、式（３）及び式（４）から分かるように、和／差チャネルはペアの正面チャネル又はペアの後部チャネル間でのみ形成される。おそらく、３つ又はそれ以上の入力チャネルを巻き込み、更に、おそらく正面と後部チャネル間の和及び差を巻き込むようなより複雑な組合わせ、つまり、“基底変換（basis transformations ）”が圧縮の観点からは有利な場合もある。ただし、このようなより複雑な基底変換は考えない方が良い。これは、この場合は、知覚符号化の推進原理である量子化ノイズのマスキングが、５スピーカの視聴覚室環境においてのみか、いわゆる５入力チャネルのステレオダウンミックス（stereo downmix）の場合、例えば、ヘッドホーン再生に対する二つのチャネルに対しても効果を及ぼすことを確保する必要があるためである。さらに、このより複雑な基底変換は、通常、符号化のために（以下に説明されるように）より低いノイズしきい値を使用することを要求し、これは、結果として、達成される圧縮の量を低減する。
【００２７】
我々は、次に、(a) 任意の特定の符号化モードの５つのマトリックスチャネルの符号化をいかに遂行するか、及び(b) ある与えられたブロックに対するある特定のコーダバンドを符号化するために使用されるべきモードをどのように決定すべきかの問題を扱う。
【００２８】
より詳細には、Johnstonの特許は、各ブロックに対して、知覚モデルプロセッサが各コーダバンドについて各マトリックスチャネルに対するノイズしきい値をいかにして生成するかを説明する。ここで、このしきい値は、量子化器／レートループプロセッサにとって、その各々のマトリックスチャネルの符号化における致命的なパラメータである。従って、２−チャネルシステムに対する各コーダバンドに対して、各々、Ｌ、Ｒ、Ｓ及びＤに対する４つのノイズしきい値が生成される。これらノイズしきい値は知覚モデムプロセッサ２０４によってリード２１４を介して複合符号器２０５に供給される。Ｌ及びＲがJohnstonの特許の一つの符号化モードの際のある特定のコーダバンドに対する符号化されたチャネルである場合、これらの各々のしきい値がこれらチャネルを符号化するために使用される。同様に、Ｓ及びＤが他の符号化モードの際の符号化されたチャネルである場合、それらの各々のしきい値がそれらのチャネルを符号化するために使用される。
【００２９】
【外６】
ある特定の符号化モードが選択される様式が図３の流れ図によって図解されている。この流れ図は、これとの関係で、正面チャネルに対して及びある特定のコーダバンドに対して遂行される処理を表わす。類似する処理が各コーダバンドに対して正面及び後部チャネルの両方に対して個別に遂行される。具体的には、［］内の項目は、後部チャネルに対して遂行される処理に関する。
【００３１】
最初に、知覚モデルプロセッサ２０４によって前述の９つのしきい値が生成される（ブロック３０１）。次に、複合符号器２０５内において、正面チャネルに対する符号化モードが入力チャネルを巻き込むタイプであるべきか、又は和／差チャネルを巻き込むタイプであるべきか、つまり、モード（１）の一つであるべきか、又はモード（２）の一つであるべきかの判定が行なわれる。この判定を行なうに当って採用される一つの基準は、ＬとＲに対するしきい値を比較することである（ブロック３０３）。これらが所定の量、例えば、２ｄＢ以上異なる場合は、入力チャネル符号化、つまり、（１）内の３つのモードの一つが使用される。これらに所定の量以上の差がない場合は、ここでは実現されてない一つのアプローチにおいては、ただちに、和／差符号化、つまり（２）内の３つのモードの一つが選択される。ただし、ここでは、より高度なアプローチが使用される。より詳細には、我々は、ＬとＲが高度に相関を持つ場合、(a) このケースにおいては高度の圧縮が達成されるのみでなく、(b)これがいわゆるノイズ局所化（noise localization） を制御するという理由から、和／差マトリックスチャネルの使用が望ましいことを認識する。ただし、ノイズ局所化の制御は、Ｌ及びＲに対するしきい値を適当に下げることによっても達成することができるばかりでなく、これら下げられたしきい値にてＬ及びＲを符号化した場合、しばしば、Ｓ及びＤの符号化よりも少ないビットで済む場合がある。従って、Ｌ及びＲを下げたしきい値にて符号化するか、又はＳ及びＤを符号化するか、どちらのアプローチの方がより少数のビットを要求するかを決定するために、従来の技術において教示されている“知覚エントロピ（perceptual entropy）”基準が使用される。符号化モードが一度（１）又は（２）であることから狭く絞られると（ブロック３０７）、使用されるべき特定の符号化モードが、単純に、再度、最少数のビットを要求するモードを同定するために前述の知覚エントロピ基準を使用することによって選択される（ブロック３０９又は３１４）。類似するプロセスが後部チャネルに対して遂行され、正面及び後部チャネルの両方に対してどの符号化モードが使用されたかの指標が符号化されたチャネルそれら自身と共に格納又は送信される。
【００３２】
図２の符号器の更なる新規の特徴点の一つは、これら５つの入力チャネル及び４つの和／差チャネルに対するしきい値の生成に関する。いわゆる広域マスキングしきい値（global masking threshold）を使用する符号器のこの特徴は、その信号成分が他のマトリックスチャネル内のノイズをマスクするために最強であるマトリックスチャネル内の信号成分のマスキング能力を利用する。
【００３３】
この特徴の使用を理解するために、我々は、符号器１０４内に、従来の技術において周知の符号器と同様に、基本的に、ビット単位にて測定された過剰チャネル能力（excess channel capacity ）のカウントである“ビット貯蔵（bit reservoir ）”が維持されることを考慮することから始める。このカウントは、本質的には、(a) 過去における平均出力ビット速度での利用可能なビット伝送スロット（bit transmission slots）の数と、(b) 実際に符号化されたビットの数との間の差の測定値である。ビット貯蔵のカウントの最大サイズは、そのシステム内において許される緩衝（潜在能力）の量に依存する。この未使用能力は、将来のブロックがそれらのブロックの内容を表現するために平均以上のビット数を要求するかどうかの事実を扱うために使用することができる。こうして、各ブロックに対して生成された符号化されたビット数がブロックからブロックへと変動し、一般的には、（毎秒平均ベースで見た場合）ある時はこの速度より高くなったり、ある時はこれよりも低くなったりはするが、比較的一定の出力ビット速度を支持することができる。典型的には、ビット貯蔵容量は、ブロック当りの平均ビット速度の５倍とされる。
【００３４】
ビット貯蔵がその最大容量に達すると、これは、ビット要件が一貫して平均出力ビット速度よりも低かったことの指標であり、このために、ノイズしきい値を低下し、こうして、より細かい量子化を遂行することにより、これら余剰の能力を消費することが得策である。これは、これがより品質の良い再生を提供するという点において有利である。ただし、任意的な代替として、単純に、マーク、又は情報を持たないビットを送信することも可能である。
【００３５】
ただし、修正段階が取られない限り、システムの緩衝能力が全て消費されてしまい、符号化ビットが失われ始めるという時点に備えて、ビット貯蔵が空になった場合に対処する技法が絶対に必要である。従来の技術は、この問題を、(a) ビット貯蔵が枯渇した場合、及び(b) これに加えて、現ブロックに対するビット要件がその時点でのブロック当りの平均出力ビット速度を超える場合に、粗い量子化に切り換えることによって対処する。実現上は、これは、各ノイズしきい値に１以上の一連の増加する定数を掛けて、ビット要件を再計算する動作を、現ブロックに対するビット要件が収容されるようになるときまで反復することによって達成される。将来のブロックのビット要件がいったん平均速度以下になったら、通常のしきい値が再度使用され、ビット貯蔵の補給が開始される。
【００３６】
この従来の技術による手法は、ビット貯蔵枯渇問題を扱うためには効果的であるが、これは復号された信号内に重大なアーティファクト（arifact） の問題を与える危険がある。これは、このしきい値を増加する機構が、我々が有利であると理解する、精神−音響（psycho-acoustic ）考察に基づくことなく、コーダバンドを横断して決定論的であるために起こる。
【００３７】
符号器の前述の新規の特徴によると、精神−音響考察を考慮に入れたビット貯蔵枯渇に対する手法が使用される。この手法は、５つの全てのマトリックスチャネルを横断して一定である各コーダバンドに対する“広域マスキングしきい値（global masking threshold）”を確立する。この大域マスキングしきい値の値は以下に説明されるように計算されるが、現時点では、これはリスニングルーム環境（listening room environment）内のリスナ（listener）によって気づかれることのない任意のチャネル内の最大ノイズレベルを表わすことを示すのみで十分である。
【００３８】
差し迫ったビット貯蔵枯渇に際してノイズしきい値の値を制御するためにどのように広域マスキングしきい値が使用されるかが図４−６内に解説される。図４は、具体的には、一例として、Ｌの最初の４つのコーダバンドに対するしきい値レベル、並びにこれらバンドの各々に対して確立される広域マスキングしきい値を示す（他の各チャネルに対しても類似の表現を使用することができる）。図４によって表わされる時点において、ビット貯蔵は８０％枯渇のレベルのちょうど下にあるものと想定される。このために、この時点では、標準のしきい値の値が使用される。ただし、枯渇レベルが８０％に到達するとただちに、各しきい値に対する下限、一例として、広域マスキングしきい値の５０％が採用され、結果として、この下限よりも小さな全てのしきい値がこれと等しくなるように増加される。各コーダバンドに対して異なる広域マスキングしきい値が設定され、また、ノイズしきい値が各バンドに対して異なるために、これは、幾つかのしきい値は他よりも多く増加され、幾つかは全く増加されないことを意味する。これが図５に図解されるが、ここでは、コーダバンド１及び３に対するしきい値は増加されず、一方、コーダバンド２及び４に対するしきい値は増加されていることがわかる。この手法は、追加のノイズがこれらしきい値の増加の結果として導入されるが、これら追加のノイズは、それがリスナによって気づかれる可能性が最も低いコーダバンド内に導入されるという意味において優れている。ここでの動作機構は、以下のより適切なポイントにおいて説明される。
【００３９】
後の時点において、ビット貯蔵が枯渇のさらに厳しい状態に達したことが観察された場合は、広域マスキングしきい値のさらに高いパーセントが下限として設定され、結果として、これらしきい値の幾つかがさらに増加される。もし、終極的に、下限が一杯の広域マスキングしきい値に設定されなければならず、そして、それでもビット貯蔵の枯渇が続くようであれば、各しきい値がさらに１よりも大きな定数に対応する広域マスキングしきい値の値を掛けることによって与えられる値に増加され、こうして、しきい値の設定において、ここでも引き続いて、少なくともある程度は、精神−音響的な考慮が反映される。これが図６に示される。いったん、ビット貯蔵の蓄積が開始されると、ノイズしきい値の下限を決定するためにますます低い広域マスキングしきい値のパーセントが使用され、８０％に到達した時点で、これらのしきい値はそれらの標準の値に戻される。
【００４０】
各コーダバンドに対する広域マスキングしきい値の実際の値は、そのバンドに対する５つの入力チャネルしきい値の最大から安全マージン（safety margin ）を引いたもとのされる。一方、この安全マージンは、Johnstonの特許において定義される周波数依存両耳マスキングレベル差（ＭＬＤ）に、定数４−５ｄＢを加えたものとされる。
【００４１】
広域マスキングしきい値の値がこのようにして決定されるものとすると、我々は、現在、上に説明された手法がなぜ効果的であるかを理解できる位置にある。ここで何が起こっているかといえば、この技法がその信号成分が他のマトリックスチャネル内のノイズをマスクするために最強であるマトリックスチャネル内の信号要素のマスキング能力を活用するということである。
【００４２】
（上に説明されたように終極的に必要とされない限り、）ノイズしきい値の下限を設定するために、なぜ、最初に、広域マスキングしきい値のあるパーセントのみが使用されるかについては、少なくとも二つの理由がある。一つの理由は、もし一杯の広域しきい値が使用された場合には、ノイズが視聴覚室環境内の全てのリスナーに対して、特に、スピーカ付近のリスナに対しては、完全にマスクされない可能性があるためである。もう一つの理由は、前述のステレオダウンミックスチャネル（stereo downmixed channels ）内のノイズが完全にマスクされない確率が前述の下限を設定するために使用される広域マスキングしきい値のパーセントの増加と共に増加するためである。
【００４３】
図７は、記憶媒体７００、一例として、磁気テープの一部分を示すが、この上に本発明に従って生成されたＰＡＣ−符号化されたデータが格納され、ここからその後、これらデータが、図１との関係で上に説明されたように、読み出され、復号され、リスナに提供される。データは、フレーム．．．Ｆi-1 、Ｆi 、Ｆi+1 、．．．にて格納され、各々のフレームは入力信号の１つのブロックに対応する。これらフレームは記憶媒体上に順番に格納され、２−チャネルＰＡＣに対して従来の技術において教示されるそれと非常に類似する所定のフォーマットに準拠する。一例として、この図面にはフレームＦi の全体が明示的に示される。これらには以下のフィールド、つまり、フレームの開始を定義する同期語７０１、この例においては５とされる入力信号内のチャネルの数を示すチャネル標識７０２、そのフレームが長いウインドウを表わすか又は短いウインドウを表わすかを示すウインドウタイプ標識７０４、各コーダバンド内の問題のブロックを符号化するために１４の符号化モードのどれが使用されたかを示す、所定のコードブックを使用してハフマン符号化形式にて表わされる符号化モード標識７０６、５つの各マトリックスチャネルに対して各々のｄｃ値を指定するｄｃ値７０９、その値が“１”であるときは、予測係数がフレーム内に明示的に指定されており、この場合は、これらが予測係数フィールド７１３内に提供されていることを示し、一方、“０”であるときは、全ての予測係数が値１を持つこと又はこれらが上に説明された方法にて復号器内で計算されるべきあることを示し、これら二つのオプション間の選択がシステムが設計される時点で事前に決定される予測係数標識７１０、及び各々が（このケースにおいては）５つのマトリックスチャネルＭ1(f)からＭ5(f)の対応する一つに対する符号化されたデータを含むＰＡＣデータフィールド７１４−７１８が含まれる。従来の技術による２−チャネルＰＡＣシステムの場合と同様に、フィールド７１４−７１８の各々の一つの中のＰＡＣ−符号化されたデータは、ハフマン符号化形式にて表現される。各チャネル内の様々な符号化バンドに対するデータを符号化するために様々なハフマンコード・コードブック（Huffman code codebooks）が使用され、各フィールド７１４−７１８内のデータはまた問題のマトリックスチャネルのどのコーダバンドを符号化するためにどのコードブックが使用されたかを識別する情報も含む。
【００４４】
図７に示されるフォーマットは、ＰＡＣフレームを他のタイプの記憶媒体、例えば、コンパクトディスク、光ディスク、半導体メモリ等に格納するためにも使用できるものである。
【００４５】
図８は図１のＰＡＣ復号器１０９の一つの説明のための実施例である。図７に示されるようにフレームのシーケンスとしてフォーマット化された入りビット流は、ビット流パーサ（bit stream parser ）８０１によってその様々な成分に構文解析される。この図面には明示的には示されていないが、パーサ８０１は、ＰＡＣ−符号化されたデータを復号器内の次の機能ブロック、つまり、エントロピ復号器８０４に供給するばかりでなく、図７との関連で上に説明された様々な標識及び他の値を復号器の様々な要素のそれらを必要とする一つにも供給する。（同様に、図２においては明示的には示されていないが、それらが量子化器／レートループプロセッサ１０６自体の中で生成されないという範囲で、復号器１０４の様々な要素によって生成された標識及び他の様々な値が、各フレームのフォーマット内に編入することができるようにこれに供給されることも理解できるものである。）
【００４６】
復号器１０９によって遂行される処理に続いて、エントロピ復号器８０４は、エントロピ符号器２０８の逆の機能を遂行し、その出力として５つのマトリックスチャネルＭ1 (f)．．．Ｍ5 (f)を提供する。デマトリクサ（dematrixer）８０７はマトリックスチャネルから周波数領域入力チャネルＬ、Ｒ、Ｃ、ＬＳ及びＲＳを回復するが、これらは、図２においては、Ｌ(f)、Ｒ(f)、Ｃ(f)、ＬＳ(f)及びＲＳ(f) と命名されている。これら周波数領域入力チャネルは、次に、逆修正離散コサイン変換（Inverse Modified Discrete Cosine Transfor 、逆ＭＤＣＴ）プロセッサ８０８によって５つの時間領域チャネル１(t)、ｒ(t)、ｃ(t)、ｌｓ(t)及びｒｓ(t)を生成するために処理される。
【００４７】
すぐ上に説明されたような図８に示される要素の各々によって遂行される処理は素直に遂行することができ、従って、さらに詳細に説明される必要はない。実際、この処理は、２−チャネルＰＡＣに対して従来の技術において遂行されるのと非常に類似するものである。
【００４８】
上記は単に本発明の原理を図解するものであり、当業者においては、ここでは明示的に示されたり、説明されてないが、本発明の原理を具現し、従って、本発明の精神及び範囲に入る様々な代替構成を考案できるものである。
【図面の簡単な説明】
【図１】本発明が一例としてこの中で実現されるシステムのブロック図である。
【図２】図１のシステム内で使用される知覚音響符号器のブロック図である。
【図３】本発明の原理を実現する知覚音響符号器内で遂行されるプロセスの流れ図である。
【図４】広域マスキングしきい値の使用に関係する知覚音響符号器の一つの新規な特徴を図解する図である。
【図５】広域マスキングしきい値の使用に関係する知覚音響符号器の一つの新規な特徴を図解する図である。
【図６】広域マスキングしきい値の使用に関係する知覚音響符号器の一つの新規な特徴を図解する図である。
【図７】ＰＡＣ−符号化された音響のフォーマットを示す図である。
【図８】図１のシステム内で使用された知覚音響復号器のブロック図である。
Claims (10)
- 一組の入力チャネルから構成される音響信号を知覚的に符号化する方法であって、この方法が、
該入力チャネルに応動して一組のマトリックスチャネルを生成する工程、及び
該マトリックスチャネルを知覚的に符号化する工程を含み、
該一組のマトリックスチャネルの少なくとも個別の一つのマトリックスチャネルが、(a) 該入力チャネルの個別の一つ、又はこれらの二つのチャネルの和又は差、と(b) (a)の予測との差として決定されることを特徴とする方法。 - 請求項１に記載の音響信号を知覚的に符号化する方法において、該出力に、(a) 該知覚的に符号化されたマトリックスチャネル、及びｂ）該入力チャネルの知覚符号化を二者択一的に加える工程がさらに含まれることを特徴とする方法。
- 請求項１に記載の音響信号を知覚的に符号化する方法において、通信チャネル又は記憶媒体に、(a) 該知覚的に符号化されたマトリックスチャネル、及び、(b) 該入力チャネルの知覚符号化を二者択一的に加える工程がさらに含まれることを特徴とする方法。
- 請求項１に記載の音響信号を知覚的に符号化する方法において、該音響信号内において、該入力チャネルが周波数領域内で表現され、該マトリックスチャネルの各々が一連の時間領域ブロックの各々に対して周波数スペクトルラインによって表現されるように、該生成工程が該入力チャネルから該一組のマトリックスチャネルを生成する工程からなることを特徴とする方法。
- 請求項４に記載の音響信号を知覚的に符号化する方法において、該周波数スペクトルラインが複数のコーダバンドに分割され、各コーダバンドの周波数スペクトルバンドの規模がそのコーダバンドと関連するノイズしきい値の関数として量子化された値によって表わされることを特徴とする方法。
- 一組の入力チャネルからなる音響信号を処理する装置であって、この装置が
該入力チャネルに応答して生成された所定の複数の一組のマトリックスチャネルを知覚的に符号化する手段（２０５）、及び
該知覚的に符号化されたチャネルを、(a) 通信チャネル、及び(b) 記憶媒体の選択された一つに加えるための手段（２０６、２０８）を含み、
該一組のマトリックスチャネルの個別の一つのチャネルが該入力チャネルであり、該一組のマトリックスチャネルの複数の他のチャネルが少なくとも個別の一つのマトリックスチャネルを含み、これが、(a) 該入力チャネルの個別の一つ、又はそれらの二つチャネルの間の和又は差、と(b) (a) の予測との差として決定されることを特徴とする装置。 - 請求項６に記載の音響信号を処理する装置において、該音響信号内において、該入力チャネルが一連の時間領域ブロックの各々に対して複数のコーダバンドに分割された周波数スペクトルラインによって表現され、各コーダの周波数スペクトルラインの規模がそのコーダバンドと関連するノイズしきい値の関数として量子化された値によって表現されることを特徴とする装置。
- 知覚的に符号化された音響信号を処理する方法であって、該知覚的に符号化された音響信号が一組の入力チャネルに応答して一組のマトリックスチャネルを生成し、該マトリックスチャネルを知覚的に符号化し、そして該知覚的に符号化されたマトリックスチャネルを通信チャネル又は記憶媒体に加える工程を通じて生成されたものであり、
この方法が
該通信チャネル又は記憶媒体から該知覚的に符号化されたマトリックスチャネルを受信する工程、
該受信された知覚的に符号化されたマトリックスチャネルを復号する工程、及び
該復号されたマトリックスチャネルから該入力チャネルを回復する工程を含み、
該一組のマトリックスチャネルが、(i) 該入力チャネルと、(ii)一組のマトリックスチャネルの選択された一つから構成され、ここで、該マトリックスチャネルの少なくとも個別の一つのチャネルが、(a) 該入力チャネルの個別の一つ、又はそれらの二つの間の和、又は差と、(b) (a) の予測との差として決定されることを特徴とする方法。 - 知覚的に符号化された音響信号を処理する装置であって、該知覚的に符号化された音響信号が一組の入力チャネルに応答して一組のマトリックスチャネルを生成し、該マトリックスチャネルを知覚的に符号化し、そして該知覚的に符号化されたマトリックスチャネルを通信チャネル又は記憶媒体に加えて生成されたものであり、
この装置が
該通信チャネル又は記憶媒体から該知覚的に符号化されたマトリックスチャネルを受信する手段（８０１）、
該受信された知覚的に符号化されたマトリックスチャネルを復号する手段（８０４）、及び
該復号されたマトリックスチャネルから該入力チャネルを回復する手段（８０７）を含み、
該一組のマトリックスチャネルの複数のマトリックスチャネルの少なくとも個別の一つのチャネルが、(a) 該入力チャネルの個別の一つ、又はそれらの二つの間の和又は差、と(b) (a) の予測との差として決定されるることを特徴とする装置。 - 一組の入力チャネルから構成される知覚的に符号化された音響信号を表わす情報が格納される物品（７００）であって、該知覚的に符号化された音響信号が以下の工程、つまり
該入力チャネルに応答して一組のマトリックスチャネルを生成する工程、及び
該マトリックスチャネルを知覚的に符号化する工程を含み、
該一組のマトリックスチャネルの複数のマトリックスチャネルの少なくとも個別の一つチャネルが、(a) 該入力チャネルの個別の一つ、又はそれらの二つの間の和、又は差、と(b) (a) の予測との差として決定されることを特徴とする物品。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US08/156,495 US5488665A (en) | 1993-11-23 | 1993-11-23 | Multi-channel perceptual audio compression system with encoding mode switching among matrixed channels |
| US156495 | 1998-09-18 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07199993A JPH07199993A (ja) | 1995-08-04 |
| JP3970342B2 true JP3970342B2 (ja) | 2007-09-05 |
Family
ID=22559816
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP28702794A Expired - Lifetime JP3970342B2 (ja) | 1993-11-23 | 1994-11-22 | 音響信号の知覚符号化 |
Country Status (6)
| Country | Link |
|---|---|
| US (2) | US5488665A (ja) |
| EP (1) | EP0655876B1 (ja) |
| JP (1) | JP3970342B2 (ja) |
| KR (1) | KR100351219B1 (ja) |
| CA (1) | CA2117829C (ja) |
| DE (1) | DE69432012T2 (ja) |
Families Citing this family (61)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5632005A (en) * | 1991-01-08 | 1997-05-20 | Ray Milton Dolby | Encoder/decoder for multidimensional sound fields |
| US5488665A (en) * | 1993-11-23 | 1996-01-30 | At&T Corp. | Multi-channel perceptual audio compression system with encoding mode switching among matrixed channels |
| DE4405659C1 (de) * | 1994-02-22 | 1995-04-06 | Fraunhofer Ges Forschung | Verfahren zum kaskadierten Codieren und Decodieren von Audiodaten |
| JP2842276B2 (ja) * | 1995-02-24 | 1998-12-24 | 日本電気株式会社 | 広帯域信号符号化装置 |
| KR0174085B1 (ko) * | 1995-08-09 | 1999-04-01 | 조백제 | 다채널 오디오 복호화기의 복합 디코딩장치 |
| KR100346734B1 (ko) * | 1995-09-22 | 2002-11-23 | 삼성전자 주식회사 | 고속분석필터및합성필터를구비한오디오부호화기및복호화기 |
| US5956674A (en) * | 1995-12-01 | 1999-09-21 | Digital Theater Systems, Inc. | Multi-channel predictive subband audio coder using psychoacoustic adaptive bit allocation in frequency, time and over the multiple channels |
| US5734729A (en) * | 1996-01-17 | 1998-03-31 | Compaq Computer Corporation | Apparatus for eliminating audio noise when power is cycled to a computer |
| JP3948752B2 (ja) * | 1996-04-10 | 2007-07-25 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 複数情報信号符号化用符号化装置 |
| KR100472402B1 (ko) * | 1996-04-10 | 2005-07-25 | 코닌클리케 필립스 일렉트로닉스 엔.브이. | 복수의정보신호의부호화장치및방법 |
| CN1106085C (zh) * | 1996-04-26 | 2003-04-16 | 德国汤姆逊-布朗特公司 | 对数字音频信号编码的方法和装置 |
| EP0803989B1 (en) * | 1996-04-26 | 1999-06-16 | Deutsche Thomson-Brandt Gmbh | Method and apparatus for encoding of a digitalized audio signal |
| DE19628292B4 (de) | 1996-07-12 | 2007-08-02 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren zum Codieren und Decodieren von Stereoaudiospektralwerten |
| JP3215053B2 (ja) * | 1996-09-11 | 2001-10-02 | 富士通株式会社 | 移動通信装置 |
| US5864813A (en) * | 1996-12-20 | 1999-01-26 | U S West, Inc. | Method, system and product for harmonic enhancement of encoded audio signals |
| US6516299B1 (en) | 1996-12-20 | 2003-02-04 | Qwest Communication International, Inc. | Method, system and product for modifying the dynamic range of encoded audio signals |
| US6463405B1 (en) | 1996-12-20 | 2002-10-08 | Eliot M. Case | Audiophile encoding of digital audio data using 2-bit polarity/magnitude indicator and 8-bit scale factor for each subband |
| US6782365B1 (en) | 1996-12-20 | 2004-08-24 | Qwest Communications International Inc. | Graphic interface system and product for editing encoded audio data |
| US5864820A (en) * | 1996-12-20 | 1999-01-26 | U S West, Inc. | Method, system and product for mixing of encoded audio signals |
| US6477496B1 (en) | 1996-12-20 | 2002-11-05 | Eliot M. Case | Signal synthesis by decoding subband scale factors from one audio signal and subband samples from different one |
| US5845251A (en) * | 1996-12-20 | 1998-12-01 | U S West, Inc. | Method, system and product for modifying the bandwidth of subband encoded audio data |
| TW429700B (en) * | 1997-02-26 | 2001-04-11 | Sony Corp | Information encoding method and apparatus, information decoding method and apparatus and information recording medium |
| US5946352A (en) * | 1997-05-02 | 1999-08-31 | Texas Instruments Incorporated | Method and apparatus for downmixing decoded data streams in the frequency domain prior to conversion to the time domain |
| US6111844A (en) * | 1997-07-03 | 2000-08-29 | At&T Corp. | Quality degradation through compression/decompression |
| US6266419B1 (en) | 1997-07-03 | 2001-07-24 | At&T Corp. | Custom character-coding compression for encoding and watermarking media content |
| JP3279228B2 (ja) * | 1997-08-09 | 2002-04-30 | 日本電気株式会社 | 符号化音声復号装置 |
| US6091773A (en) * | 1997-11-12 | 2000-07-18 | Sydorenko; Mark R. | Data compression method and apparatus |
| US6405338B1 (en) * | 1998-02-11 | 2002-06-11 | Lucent Technologies Inc. | Unequal error protection for perceptual audio coders |
| US6141645A (en) * | 1998-05-29 | 2000-10-31 | Acer Laboratories Inc. | Method and device for down mixing compressed audio bit stream having multiple audio channels |
| US6122619A (en) * | 1998-06-17 | 2000-09-19 | Lsi Logic Corporation | Audio decoder with programmable downmixing of MPEG/AC-3 and method therefor |
| US20060265091A1 (en) * | 1998-08-14 | 2006-11-23 | Bruce Mihura | Audio entertainment system for storing and playing audio information |
| SE519552C2 (sv) * | 1998-09-30 | 2003-03-11 | Ericsson Telefon Ab L M | Flerkanalig signalkodning och -avkodning |
| JP4835643B2 (ja) * | 1998-10-13 | 2011-12-14 | 日本ビクター株式会社 | 音声符号化方法及び音声復号方法 |
| US6931372B1 (en) * | 1999-01-27 | 2005-08-16 | Agere Systems Inc. | Joint multiple program coding for digital audio broadcasting and other applications |
| US6735561B1 (en) * | 2000-03-29 | 2004-05-11 | At&T Corp. | Effective deployment of temporal noise shaping (TNS) filters |
| ATE387044T1 (de) * | 2000-07-07 | 2008-03-15 | Nokia Siemens Networks Oy | Verfahren und vorrichtung für die perzeptuelle tonkodierung von einem mehrkanal tonsignal mit verwendung der kaskadierten diskreten cosinustransformation oder der modifizierten diskreten cosinustransformation |
| US6934676B2 (en) | 2001-05-11 | 2005-08-23 | Nokia Mobile Phones Ltd. | Method and system for inter-channel signal redundancy removal in perceptual audio coding |
| AUPR647501A0 (en) * | 2001-07-19 | 2001-08-09 | Vast Audio Pty Ltd | Recording a three dimensional auditory scene and reproducing it for the individual listener |
| AU2002325063B2 (en) * | 2001-07-19 | 2007-11-01 | Personal Audio Pty Ltd | Recording a three dimensional auditory scene and reproducing it for the individual listener |
| US6987889B1 (en) * | 2001-08-10 | 2006-01-17 | Polycom, Inc. | System and method for dynamic perceptual coding of macroblocks in a video frame |
| US6975774B2 (en) * | 2002-03-18 | 2005-12-13 | Tektronix, Inc. | Quantifying perceptual information and entropy |
| US7426462B2 (en) * | 2003-09-29 | 2008-09-16 | Sony Corporation | Fast codebook selection method in audio encoding |
| US7349842B2 (en) * | 2003-09-29 | 2008-03-25 | Sony Corporation | Rate-distortion control scheme in audio encoding |
| US7283968B2 (en) * | 2003-09-29 | 2007-10-16 | Sony Corporation | Method for grouping short windows in audio encoding |
| US7325023B2 (en) * | 2003-09-29 | 2008-01-29 | Sony Corporation | Method of making a window type decision based on MDCT data in audio encoding |
| DE102004009954B4 (de) * | 2004-03-01 | 2005-12-15 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zum Verarbeiten eines Multikanalsignals |
| DE102005010057A1 (de) | 2005-03-04 | 2006-09-07 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zum Erzeugen eines codierten Stereo-Signals eines Audiostücks oder Audiodatenstroms |
| KR100707186B1 (ko) * | 2005-03-24 | 2007-04-13 | 삼성전자주식회사 | 오디오 부호화 및 복호화 장치와 그 방법 및 기록 매체 |
| US7418394B2 (en) * | 2005-04-28 | 2008-08-26 | Dolby Laboratories Licensing Corporation | Method and system for operating audio encoders utilizing data from overlapping audio segments |
| KR100718132B1 (ko) * | 2005-06-24 | 2007-05-14 | 삼성전자주식회사 | 오디오 신호의 비트스트림 생성 방법 및 장치, 그를 이용한부호화/복호화 방법 및 장치 |
| US7917176B2 (en) * | 2006-02-14 | 2011-03-29 | Nec Laboratories America, Inc. | Structured codebook and successive beamforming for multiple-antenna systems |
| KR101186133B1 (ko) * | 2006-10-10 | 2012-09-27 | 퀄컴 인코포레이티드 | 오디오 신호들을 인코딩 및 디코딩하는 방법 및 장치 |
| US8041042B2 (en) * | 2006-11-30 | 2011-10-18 | Nokia Corporation | Method, system, apparatus and computer program product for stereo coding |
| EP2260487B1 (en) * | 2008-03-04 | 2019-08-21 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Mixing of input data streams and generation of an output data stream therefrom |
| CN102037507B (zh) | 2008-05-23 | 2013-02-06 | 皇家飞利浦电子股份有限公司 | 参数立体声上混合设备、参数立体声译码器、参数立体声下混合设备、参数立体声编码器 |
| US8630848B2 (en) * | 2008-05-30 | 2014-01-14 | Digital Rise Technology Co., Ltd. | Audio signal transient detection |
| JP5446258B2 (ja) * | 2008-12-26 | 2014-03-19 | 富士通株式会社 | オーディオ符号化装置 |
| FR2943867A1 (fr) * | 2009-03-31 | 2010-10-01 | France Telecom | Traitement d'egalisation de composantes spatiales d'un signal audio 3d |
| US20130253923A1 (en) * | 2012-03-21 | 2013-09-26 | Her Majesty The Queen In Right Of Canada, As Represented By The Minister Of Industry | Multichannel enhancement system for preserving spatial cues |
| EP2830051A3 (en) | 2013-07-22 | 2015-03-04 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Audio encoder, audio decoder, methods and computer program using jointly encoded residual signals |
| EP2830053A1 (en) * | 2013-07-22 | 2015-01-28 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Multi-channel audio decoder, multi-channel audio encoder, methods and computer program using a residual-signal-based adjustment of a contribution of a decorrelated signal |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NL8700985A (nl) * | 1987-04-27 | 1988-11-16 | Philips Nv | Systeem voor sub-band codering van een digitaal audiosignaal. |
| US5341457A (en) * | 1988-12-30 | 1994-08-23 | At&T Bell Laboratories | Perceptual coding of audio signals |
| GB8913758D0 (en) * | 1989-06-15 | 1989-08-02 | British Telecomm | Polyphonic coding |
| US5040217A (en) * | 1989-10-18 | 1991-08-13 | At&T Bell Laboratories | Perceptual coding of audio signals |
| JPH0451200A (ja) * | 1990-06-18 | 1992-02-19 | Fujitsu Ltd | 音声符号化方式 |
| CA2090052C (en) * | 1992-03-02 | 1998-11-24 | Anibal Joao De Sousa Ferreira | Method and apparatus for the perceptual coding of audio signals |
| US5285498A (en) * | 1992-03-02 | 1994-02-08 | At&T Bell Laboratories | Method and apparatus for coding audio signals based on perceptual model |
| US5377051A (en) * | 1993-01-13 | 1994-12-27 | Hitachi America, Ltd. | Digital video recorder compatible receiver with trick play image enhancement |
| US5488665A (en) * | 1993-11-23 | 1996-01-30 | At&T Corp. | Multi-channel perceptual audio compression system with encoding mode switching among matrixed channels |
-
1993
- 1993-11-23 US US08/156,495 patent/US5488665A/en not_active Expired - Lifetime
-
1994
- 1994-10-11 CA CA002117829A patent/CA2117829C/en not_active Expired - Fee Related
- 1994-11-16 DE DE69432012T patent/DE69432012T2/de not_active Expired - Lifetime
- 1994-11-16 EP EP94308470A patent/EP0655876B1/en not_active Expired - Lifetime
- 1994-11-17 KR KR1019940030147A patent/KR100351219B1/ko not_active IP Right Cessation
- 1994-11-22 JP JP28702794A patent/JP3970342B2/ja not_active Expired - Lifetime
-
1995
- 1995-09-06 US US08/524,198 patent/US5717764A/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| EP0655876A1 (en) | 1995-05-31 |
| KR950016011A (ko) | 1995-06-17 |
| DE69432012T2 (de) | 2003-11-06 |
| DE69432012D1 (de) | 2003-02-20 |
| EP0655876B1 (en) | 2003-01-15 |
| CA2117829A1 (en) | 1995-05-24 |
| CA2117829C (en) | 1998-06-30 |
| US5717764A (en) | 1998-02-10 |
| US5488665A (en) | 1996-01-30 |
| JPH07199993A (ja) | 1995-08-04 |
| KR100351219B1 (ko) | 2003-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3970342B2 (ja) | 音響信号の知覚符号化 | |
| JP3258424B2 (ja) | 知覚モデルに基づく音声信号符号化方法とその装置 | |
| JP2923406B2 (ja) | オーディオ信号処理方法 | |
| JP4731774B2 (ja) | 高品質オーディオ用縮尺自在符号化方法 | |
| US6295009B1 (en) | Audio signal encoding apparatus and method and decoding apparatus and method which eliminate bit allocation information from the encoded data stream to thereby enable reduction of encoding/decoding delay times without increasing the bit rate | |
| KR100277819B1 (ko) | 심리음향성 적응 비트 할당을 이용한 다중 채널 예측 분할대역부호화기 | |
| EP0797324B1 (en) | Enhanced joint stereo coding method using temporal envelope shaping | |
| JP5265358B2 (ja) | パラメトリックマルチチャネルオーディオ符号化とマトリックスサラウンドマルチチャネル符号化との間のギャップを埋めるための概念 | |
| KR101183857B1 (ko) | 다중 채널 오디오 신호를 인코딩/디코딩하기 위한 방법 및 장치 | |
| KR100947013B1 (ko) | 멀티채널 오디오 신호의 시간적 및 공간적 정형 | |
| US20040174911A1 (en) | Method and apparatus for encoding and/or decoding digital data using bandwidth extension technology | |
| US20070168183A1 (en) | Audio distribution system, an audio encoder, an audio decoder and methods of operation therefore | |
| EP2395503A2 (en) | Audio signal encoding and decoding method, and apparatus for same | |
| KR20090007396A (ko) | 손실 인코딩된 데이터 스트림 및 무손실 확장 데이터 스트림을 이용하여 소스 신호를 무손실 인코딩하기 위한 방법 및 장치 | |
| JP4927264B2 (ja) | オーディオ信号を符号化する方法 | |
| JP3964860B2 (ja) | ステレオオーディオの符号化方法、ステレオオーディオ符号化装置、ステレオオーディオの復号化方法、ステレオオーディオ復号化装置及びコンピュータで読み取り可能な記録媒体 | |
| JP3277699B2 (ja) | 信号符号化方法及び装置並びに信号復号化方法及び装置 | |
| US6463405B1 (en) | Audiophile encoding of digital audio data using 2-bit polarity/magnitude indicator and 8-bit scale factor for each subband | |
| KR20000056661A (ko) | 디지털 오디오 데이터의 역방향 디코딩 방법 | |
| KR20040086878A (ko) | 대역 확장 기법을 이용한 오디오 데이터의 부호화 방법,그 장치, 복호화 방법 및 그 장치 | |
| JP3854313B2 (ja) | 複数の情報信号のエンコーディング |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20031203 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040512 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040810 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20041208 |
|
| A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20050128 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070606 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100615 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110615 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110615 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120615 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130615 Year of fee payment: 6 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |