JP4204227B2 - マルチチャネル・オーディオ・エンコーダおよびマルチチャネル・オーディオ・デコーダ - Google Patents

Description

【０００１】
発明の背景
発明の分野
本発明は、低ビット・レート・オーディオ・コード化システムに関し、より詳細には、デコーダの互換性（コンパチビリティ）を失うことなく、確立された低ビット・レートのオーディオ・コード化システムの音質を向上させる方法に関する。
【０００２】
関連技術の説明
多くの低ビット・レートのオーディオ・コード化システムが、現在、多種多様な消費者向けおよびプロフェッショナル用のオーディオ再生製品およびオーディオ再生サービスで使用されている。例えば、Ｄｏｌｂｙ ＡＣ３（Ｒ）（Ｄｏｌｂｙ（Ｒ）デジタル）オーディオ・コード化システムは、最高で６４０キロ・ビット／秒までのビット・レートを使用してＬａｓｅｒ Ｄｉｓｃ（レーザ・ディスク）、ＮＴＳＣコード化ＤＶＤビデオ、およびＡＴＶのためのステレオおよび５．１チャネル・オーディオ・サウンド・トラックをコード化するための世界的標準である。ＭＰＥＧ Ｉオーディオ・コード化標準およびＭＰＥＧ ＩＩオーディオ・コード化標準は、７６８キロ・ビット／秒までのビット・レートで、ＰＡＬコード化されたＤＶＤビデオ、欧州での地上デジタル無線放送、および米国での衛星放送のためのステレオおよびマルチチャネル・サウンド・トラックのコード化のために、広く使用されている。ＤＴＳ（Ｄｉｇｉｔａｌ Ｔｈｅａｔｅｒ Ｓｙｓｔｅｍｓ（デジタル・シアター・システムズ））Ｃｏｈｅｒｅｎｔ Ａｃｏｕｓｔｉｃｓ（コヒーレント・アコースティック）オーディオ・コード化システムは、コンパクト・ディスク、ＤＶＤビデオ、およびレーザ・ディスクならびに１５３６キロ・ビット／秒までのビット・レートの、スタジオ品質の５．１チャネル・オーディオ・サウンド・トラックにしばしば使用されている。
【０００３】
これらのシステムが抱える大きな問題は、より高いＰＣＭサンプリング周波数、ＰＣＭワード長、また、より高いシステム・ビット・レートに対応するようにそれらを容易にアップグレードできないという点で、それらの設計が柔軟性を欠いていることである。これは、音楽業界や映画業界が４４．１ｋＨｚサンプリング周波数および１６ビットワード長という古いコンパクト・ディスク・デジタル・オーディオ・フォーマットを捨て、９６ｋＨｚサンプリング周波数および２４ビット・ワード長という新しいＤＶＤオーディオＰＣＭマスタリング・フォーマットを採用するように移行するにつれ、今後、重要な問題となる。
【０００４】
この結果、ＡＣ−３、ＭＰＥＧ、およびＤＴＳなどの既存のオーディオ・エンコード・システムを使用するオーディオ・デリバリ（delivery）は、このより高い信号忠実度の利点を消費者に渡すことができるように適応しなければならない。残念ながら、これらのデコーダ機能を実装するオーディオ・デコーダ処理チップ（ＤＳＰ）の大きな取り付け済みベースが、既に既存の消費者ベース内に常駐している。これらのデコーダは、増加するサンプリング速度、ワード・サイズ、またはビット・レートに対応するように容易にアップグレードすることができない。従って、これらの媒体を介して商品を販売する音楽コンテンツおよび映画コンテンツのプロバイダは、古い標準に準拠するコード化オーディオ・ストリームを供給し続けるのを余儀なくされることになる。これは、将来、ＤＶＤオーディオ、ＡＴＶ、衛星無線などのデリバリ媒体が、それぞれが異なる標準に準拠する複数のビット・ストリームを送り出すのを余儀なくされる可能性があることを意味する。例えば、１つのストリームは、既存の再生システムの所有者が標準オーディオ・トラックを受信してそれを再生することができるようにするために含められ、他方、第２のストリームも、新しい機器の所有者が９６ｋＨｚ／２４ビットＰＣＭ形式を使用してコード化されたオーディオ・トラックを再生して本質的に高い忠実度を利用できるようにするために含められることになろう。
【０００５】
このデリバリの方法の抱える問題は、再生媒体の多くが、追加のオーディオ・ストリームを送るのに必要な追加の帯域幅またはチャネル容量を備える余裕がないことである。この追加のビット・ストリーム（例えば、９６ｋＨｚ／２４ビットをサポートするもの）のビット・レートは、古いフォーマットをサポートするものに少なくとも等しいか、またはそれより高いことになる。従って、ビット・レートは、２つまたはそれより多くのオーディオ標準をサポートするためには、恐らく２倍またはそれより高くなる。
【０００６】
発明の概要
前述の問題を鑑みて、本発明は、複製オーディオ・データを送らなければならないことを回避しながらも、周波数範囲を拡張し、ノイズ・フロアを低下させ、従って、ＰＣＭサンプリング周波数、ワード長、およびコード化ビット・レートの変化により効率良く対応するコード化方法を提供する。
【０００７】
これは、従来のオーディオ・コード化アルゴリズムが「コア」オーディオ・コーダを構成して変更されないままである、「コア」プラス「拡張（エクステンション）」コード化方法を使用して実現される。より高いオーディオ周波数（より高いサンプリング速度の場合）またはより高いサンプル分解能（より長いワード長の場合）、あるいはその両方を表すのに必要なオーディオ・データが、「拡張」ストリームとして伝送される。これにより、オーディオ・コンテンツ・プロバイダは、消費者の機器ベース内に在る異なる型のデコーダと適合する単一のオーディオ・ビット・ストリームを含めることができる。コア・ストリームは、拡張データを無視する古いデコーダによってデコードされ、より新しいデコーダは、コア・データ・ストリームと拡張データ・ストリームの両方を使用して、より高い品質の音の再生をもたらす。
【０００８】
このシステムの重要な特徴は、拡張データが、再構築コア信号（エンコード／デコードされる、および／またはダウンサンプリング／アップサンプリングされる）を、元の「高忠実度」入力信号から減算することによって生成されることである。得られた差信号をエンコードして拡張ストリームが生成される。この技法を使用すると、コア信号や拡張信号へのフォールドバック・エイリアシングが回避される。従って、コア・オーディオの品質は、拡張ストリームを含めることによって影響を受けない。このシステムがその最も基本的なモードで動作するためには、コア・コーダの待ち時間、つまり遅延が知られているだけでよい。従って、この方法は、コーダの内部アルゴリズムまたはその実装形態の詳細の知識がなくても、どのオーディオ・コード化システムにもうまく適用することができる。ただし、このシステムは、コア信号の周波数範囲でコア・コーダに合うように拡張コーダが設計されている場合には、より効率的に動作させることができる。
【０００９】
本発明のこれらおよびその他の特徴および利点は、添付の図面と実施形態の下記の詳細な説明から、当分野の技術者には明白となる。
【００１０】
本発明の詳細な説明
本発明は、高忠実度信号をコード化するための「コア」プラス「拡張」コード化方法を規定し、この方法により、オーディオ・コンテンツ・プロバイダは、消費者のベース内に在る異なる型のデコーダとコンパチブルの一つのオーディオ・ビット・ストリームを含めることができる。コア・ビット・ストリームは、拡張データを無視する古いデコーダによってデコードされることになり、他方、新しいデコーダは、コア・ストリームと拡張データ・ストリームとの両方を使用して高品質のサウンドの再生をもたらすことになる。この手法は、既存のデコーダを保つことを所望する既存の顧客のベースと、より高い忠実度の信号を再生できる新しいデコーダを購入することを所望する人々をともに満足させることになる。
【００１１】
既存のデコーダと次世代のエンコーダとの互換性を維持することになる様式で高忠実度オーディオをエンコードするための本来の概念は、１９９６年５月２日出願され、ＤＴＳ，Ｉｎｃ．（ＤＴＳ社）に譲渡されている、スミス（Ｓｍｙｔｈ）その他によるシリアル番号第０８／６４２２５４号の「Ａ ＭＵＬＴＩ−ＣＨＡＮＮＥＬ ＰＲＥＤＩＣＴＩＶＥ ＳＵＢＢＡＮＤ ＡＵＤＩＯ ＣＯＤＥＲ ＵＳＩＮＧ ＰＳＹＣＨＯＡＣＯＵＳＴＩＣ ＡＤＡＰＴＩＶＥ ＢＩＴ ＡＬＬＯＣＡＴＩＯＮ ＩＮ ＦＲＥＱＵＥＮＣＹ，ＴＩＭＥ ＡＮＤ ＯＶＥＲ ＴＨＥ ＭＵＬＴＩＰＬＥ ＣＨＡＮＮＥＬＳ（周波数、時間におけるおよび複数チャネルにわたる音響心理学適応ビット割り当てを用いるマルチチャネル予測サブバンド・オーディオ・コーダ）」によって紹介された。Ｓｍｙｔｈその他のものの図４ａおよび図４ｂに示されるとおり、オーディオ・スペクトルは、最初、２５６タップ２バンド・デシメーション・プレフィルタ・バンクを使用して分割されて、帯域（バンド）当り２４ｋＨｚというオーディオ帯域幅をもたらす。ボトム・バンド（０〜２４ｋＨｚ）は、３２の一様なバンドに分割されてエンコードされる。トップ・バンド（２４〜４８ｋＨｚ）は、８つの一様なバンドに分割されてエンコードされる。
【００１２】
エンコーダの動作を反映するように設計された新しいデコーダは、トップ（上部）・バンドとボトム（低部）・バンドをともにデコードし、次に、２５６タップ２バンド補間フィルタバンクを使用して高忠実度オーディオ信号を再構築する。システムは、所望に応じて、４８ｋＨｚバンド幅全体にわたって単位利得周波数応答を示す。
【００１３】
記載する高忠実度コード化技法に先立って存在していた古いデコーダは、ボトム・バンドだけをデコードして、ベースバンド・オーディオ信号を生成する。この意味で、このシステムは既存のデコーダとの互換性を維持するのである。ただし、本明細書の図１に示すとおり、２バンド・デシメーション・プレフィルタ・バンクの周波数応答６は、コアだけがデコードされる場合に２４ｋＨｚあたりでエイリアシングの問題を生じさせる。ボトム・バンドおよびトップ・バンドの周波数応答８および１０は、それぞれ、コア・プラス拡張コーダ（core plus extension coder）のための単位利得応答を提供するために、２４ｋＨｚにおけるそのそれぞれの遷移領域内でクロスオーバする。ただし、コアだけのデコーダでは、２４ｋＨｚを超えるボトム・バンド周波数応答８の部分が、エイリアシングされて下げられる。この結果、再構築されたベースバンド・オーディオ信号は、古いベースバンドだけのコーデック・システムでは見られなかった程度の破損を有することになる。従って、このコード化システムは、既存のデコーダとは「真の」互換性を維持しない。更に、この手法は、何れの追加のビットもトップ・バンドに割り振られるように制約するものであり、これは多くの場合において最適ではない。
【００１４】
一般化されたコア・プラス拡張フレームワーク
エンコードおよびデコードのための一般的プロセスを図２〜図７に示す。拡張ビット・ストリーム（図２）を作成するために、アナログ・オーディオ１２が、信号のバンド制限をするアナログ・アンチエイリアシングＬＰＦ１４に送り込まれる。バンド制限された信号は、離散／デジタル・オーディオ信号１６になるようにサンプリングされる。ＬＰＦ１４に関する遮断周波数は、ナイキスト基準を満たすためには、サンプリング・レートの１／２よりも低くなければならない。例えば、拡張された９６ｋＨｚサンプリング・レートに対して、４８ｋＨｚ遮断が適切である。
【００１５】
デジタル・オーディオ信号１６がコア・エンコーダ１８（ＡＣ３、ＭＰＥＧ、ＤＴＳ等）に送り込まれ、特定のビット・レートでエンコードされる。オーディオ信号のサンプリング・レートおよびバンド幅は、いくつかの場合には、コア・エンコーダに整合するようにロー・パス・フィルタリングおよびダウンサンプリングを介して調整する必要がある。簡明にするため、図で示すオーディオ入力は、単一チャネルまたはマルチチャネルであると想定している。マルチチャネル入力の場合、減算および加算プロセスは、各チャネルごとに行われる。このコア・ビット・ストリーム２０は、拡張データを生成するのに先立って、パッカ（packer）２２に保持される。また、コア・ビット・ストリームも、既存の消費者向け再生機器内に在るデコーダと適合するコア・デコーダ２４に送り込まれる。
【００１６】
次に、結果的な再構築されたコア・オーディオ信号２６が、元の入力信号１６の遅延したもの３０から減算される（２８）。遅延３２は、デコードされたコア・オーディオ信号と入力オーディオ信号との正確な時間的整合が実現されるように、コア・エンコーダ／デコーダの待ち時間の遅延と整合するようにされる。この時点で、この差信号３４は、より高い分解能またはより高い周波数の、コア・ビット・ストリーム２０のコード化された信号にはない元の入力信号１６内の成分を表す。次に、この差信号が、サブバンド（副帯域）・コード化または変換コード化などの標準コード化技法を適切に使用する拡張コーダ３６によってエンコードされ、拡張ビット・ストリーム３８を生成する。拡張ビット・ストリームおよびコア・ビット・ストリームは、時間的に整合され、多重化されて合成ストリーム４０を形成する。あるいは、これらのストリームは、適用例に応じて、別個のストリームとして保持または伝送することが可能である。
【００１７】
周波数スペクトルを拡張してノイズ・フロアを低下させるプロセスの背後にある概念を図３ａおよび図３ｂに示している。図３ａは、９６ｋＨｚのサンプリングされたオーディオ入力信号の周波数スペクトル４２のスナップ・ショットを示している。このオーディオは、明らかに４８ｋＨｚまでの周波数成分を含んでいる。図３ｂのトレース４４は、デシメーションおよびコア・エンコードの後の信号のスペクトルを示している。オーディオ周波数は、フィルタリングされて２４ｋＨｚを超えるものが除去され、またサンプリング速度は、コア・コーダに整合するようにデシメータによって４８ｋＨｚまで低下されている。トレース４６は、拡張エンコーダに入る前の差信号のスペクトルを示している。明らかに、拡張コーダは、コア・コーダによって表されないスペクトルの部分、即ち、２４ｋＨｚあたりの遷移バンド４８および２４ｋＨｚから４８ｋＨｚまでの高周波数拡張５０に対して、そのデータ・リソースを集中することができる。更に、残りのコア信号５２にビットを割り振り、コア帯域幅のノイズ・フロアを低下させることができる。下記の特別なケースは、拡張ビットが、（１）コア信号の分解能を拡張するため、（２）信号のコア分解能と高周波数内容の両方を拡張するため、および（３）高周波数内容だけを拡張するために割り振られる適用例を、研究する。これらのそれぞれに関して、コード化システムは、コア・エンコード・システムと関連する遅延だけが知られていればよい「ブラック・ボックス」手法で、または特定のコア・コード化アーキテクチャを利用する「オープン・ボックス」手法で、構成されることが可能である。
【００１８】
また、コアのみのデコーダとのバックワード・コンパチビリティを維持するために、コア・オーディオ・データ２０および拡張オーディオ・データ３８を搬送する単一の合成ビット・ストリーム４０も、コア・プラス拡張の様式でフォーマットされる。そのようなビット・ストリームは、それぞれが２つのフィールド、コア・フィールド５６および拡張フィールド５８（図４参照）から成る一連の同期されたフレーム５４である。コアだけのデコーダは、同期ワード（ＣＯＲＥ＿ＳＹＮＣ）６１を検出し、コア・フィールド５６のコア・ビット２０をデコードしてコア・オーディオを生成し、次に、次のフレームの開始点にジャンプして次のフレームをデコードすることによって拡張フィールド５８を無視する。ただし、拡張デコーダは、コア・ビットをデコードし、次に、拡張ビットに関する同期ワード（ＥＸＴ＿ＳＹＮＣ）６０が存在するかどうかを検査することができる。存在しない場合、デコーダはコア・オーディオを出力して、次のフレームをデコードするために次のフレームの開始点へジャンプする。存在する場合は、デコーダは、拡張フィールド５８の拡張ビット３８をデコードして拡張オーディオを生成し、次に、それをコア・オーディオと組み合わせて高品質オーディオを生成する。コア・ビットは、そのバンド幅にわたり、再構築されたコア・オーディオ信号に対するノイズ・フロアを定義する。拡張ビットは、更に、コア帯域幅にわたってノイズ・フロアを洗練させ（低下させ）、オーディオ帯域幅の残りの部分に関するノイズ・フロアを定義する。
【００１９】
図５ａおよび図５ｂに示すとおり、合成ビット・ストリーム４０は、ＣＤ、デジタル・バーサタイル・ディスク（ＤＶＤ）、または直接放送システムなどの伝送媒体上でエンコードされ、またはそれを介して放送される。図５ａに示すとおり、単一の合成ビット・ストリーム４０が、よく知られた技法を使用してＣＤ、ＤＶＤ、またはその他のデジタル記憶デバイスなどのポータブルの機械読み取り可能な記録媒体６２に書き込まれる。図５ｂに示すとおり、合成ビット・ストリーム４０は、搬送波６４として実現され、次に、これが衛星、ケーブル、またはその他の遠隔通信システムを介して放送される。
【００２０】
コア・ビット・ストリームおよび拡張ビット・ストリームをデコードするため（図６）、アンパッカ（unpacker）６６が合成ビット・ストリーム４０をアンパックし、コア・ビット・ストリーム２０および拡張ビット・ストリーム３８をそのそれぞれのデコーダ６８および７０へ向けて送る。次に、デコーダ７２が出力７４を加算して高忠実度オーディオ信号７６を再構築する。再生デバイスがその中に拡張デコーダを有さない場合（古い機器ではそうであるように）、拡張ビット・ストリームは単に無視され、コア・ビット・ストリームがデコードされてコア品質のオーディオ信号を生成する。デコードの例では、コア・デコーダおよび拡張デコーダの遅延は同じであると想定している。後に扱うように、この遅延の差は、デコーダまたはエンコーダに追加の遅延段を加えることによって対処することができる。
【００２１】
コア・プラス拡張コード化のトポロジの利点は図７に明らかに示され、図７では、複数トーン試験信号に応答するコアだけの周波数スペクトル７８およびコア・プラス拡張の周波数スペクトル８０をそれぞれ示しれている。この特定の適用例では、オーディオ・システムは、直流から２４ｋＨｚまでのおよそ−１００ｄＢのノイズ・フロアを有するコアだけの再構築されたオーディオ信号を生成する。後に更に詳細に述べるように、このコアだけの応答は、古いシステムによって生成されたコアだけの信号よりもわずかばかり良好であれ得る。なぜなら、古いシステムで使用されるアナログ・アンチエイリアシング・フィルタと新しいコーダ内で使用されるデジタル・デシメーション・フィルタとでは違いがあるからである。これと比べて、オーディオ・システム（特別ケース番号２）は、コア信号のノイズ・フロアを約−１６０ｄＢに低下させ、また約−６０ｄＢのノイズ・フロアで４８ｋＨｚに信号バンド幅を拡張するコア・プラス拡張オーディオ信号を生成する。より高いノイズ・フロアは、耳の感度がそれほど良くない高い周波数では、より許容できることに留意されたい。
【００２２】
高分解能拡張フレームワーク
図８ａおよび図８ｂは、コア・プロセスのコード化分解能だけを向上させる、即ち、出力オーディオ信号のバンド幅を拡張することなく、デコードされたオーディオ出力信号のコード化エラーを減少させるエンコードおよびデコード・プロセスを示している。既存のコード化スキーム（ＡＣ３、ＭＰＥＧ、ＤＴＳ）のビット・レートは固定であるので、より高いコード化分解能が必要とされる場合、オーディオ信号をエンコードするのに全く異なる互換性のないコーダの使用が、通常、必要とされる。
【００２３】
現行のスキームでは、既存のコア・エンコーダ８４を使用して、既存のデコーダのビット・レート制約（ＡＣ３の場合は６４０キロビット／秒となり、ＭＰＥＧの場合は７６８キロビット／秒となり、ＤＴＳの場合は１５３６キロビット／秒となる）内で動作する可能な最高のコード化分解能を提供する。コード化分解能を更に高めるため、即ち、コード化エラーを減少させるために、コード化されたコア信号をデコードして（８６）再構築コア信号を形成し、この再構築コア信号を入力信号から減算（８８）する。この入力信号は、これらの信号の間で正確な時間的整合を実現するために遅延（９０）させる。拡張エンコーダ８２は、何らかの任意のコード化プロセスを使用して差信号をエンコードする。パッカ９２は、前述のとおり、コア・ビットおよび拡張ビットを合成ビット・ストリームにパックする。この場合、サンプリング周波数およびオーディオ帯域幅のそれぞれは、拡張エンコーダ８２およびコア・エンコーダ８４の両方において同じである。高忠実度９６ｋＨｚ入力オーディオが提供される場合、それは、両方のコーダに整合するようにローパス・フィルタリングし、ダウンサンプリングしなければならないことに留意されたい。
【００２４】
図８ｂに示すとおり、信号をデコードするために、アンパッカ９４は合成ビット・ストリームをアンパックし、コア・ビット・ストリームおよび拡張ビット・ストリームを別々のデコーダ・プロセス９６および９８へそれぞれ送り、それぞれの出力が一緒に加算される１００。拡張デコーダが存在しない場合には、コア・デコーダの出力が直接に使用される。この例では、拡張ビット・ストリームは、出力オーディオ信号の信号対ノイズ比を向上させる機構とみなすことができる。つまり、拡張デコーダの出力を付加することにより、コード化ノイズ・フロアを低下させる。低下のレベルは、拡張ビット・ストリームに割り当てられるビット・レートに依存する。
【００２５】
図９は、拡張コーダに入る前の差信号の周波数スペクトル１０２のスナップ・ショットを示している。コア・コード化プロセスは、０ｋＨｚから２４ｋＨｚのバンド幅にわたってノイズ・フロアを生じさせるコード化エラーを有する。２４ｋＨｚちょうどでの大きな振幅エラーは、アンチエイリアシング・フィルタの遷移バンド幅に帰する。拡張コーダが、コード化エラーと遷移バンド幅エラーをともに減少させるために、その利用可能なビットを割り当てる。ほとんどの割り当てスキームは、全体の性能を最適化するため、遷移バンド幅などのような大きな誤差には多くのビットを割り振り、小さな誤差には少ないビットを割り振る。
【００２６】
図１０に示すように、ノイズ・フロアは、コアだけの周波数応答７８の場合の−１００ｄＢに対し、コア・プラス拡張応答１０４の場合の−１６０ｄＢといったように、相当に下方にシフトされており、また１５３６ビット／秒というコア・ビット・レートを２０４８ビット／秒に増加させ、拡張コーダに追加のビットを割り振ることにより、遷移バンドにわたって拡張されている。これらのビット・レートは、既存のＤＴＳエンコーダ・システムで使用することが可能なものの実施例に過ぎないことに留意されたい。−１６０ｄＢのノイズ・フロアは、他の入手できるコーダによっては実現不可能であり、オーディオ忠実度の相当な改善を表すものである。
【００２７】
高周波数拡張フレームワーク
図１１ａおよび図１１ｂは、コア・コード化システムによって表されない高周波数オーディオ情報を拡張ビット・ストリームが搬送するのを可能にするコード化フレームワークを記載している。この例では、デジタル・オーディオは、９６ｋＨｚ周期を有する２４ビットＰＣＭサンプルによって表される。デジタル・オーディオは、まず、整数遅延を有する線形位相ＦＩＲフィルタ１０６を使用してローパス・フィルタリングし、２４ｋＨｚを超える信号成分を除去する。このデジタル・フィルタの遮断周波数は、既存のコアのみのオーディオ・コーダのアナログ・アンチエイリアシング・フィルタと同じであることに留意されたい。デジタル・フィルタは、アナログ・フィルタより狭い遷移バンドを示すので、このコアだけの信号は、既存のシステムにおけるコアだけの信号より、実際に少し良好である。
【００２８】
次に、このフィルタリングされた信号が、２でデシメート１０８され、実効４８ｋＨｚのサンプリングされた信号をもたらす。ダウン・サンプリングされた信号が、コア・エンコーダ１１０に通常の様式で送られ、その結果的なビット・ストリームが、ビット・ストリームを少なくとも１フレームだけ遅延させるフレーム・バッファ１１１へ入れられる。次に、この遅延されたビット・ストリームがパッカ１１２へ入れられる。また、ダウン・サンプリングされた信号はコア・デコーダ１１４にも送られ、コード化エラーを有する４８ｋＨｚのサンプリングされたデジタル・オーディオ・ストリームを再構築する。これを元の９６ｋＨｚの入力オーディオ信号から減算できるようにするには、まず、２倍にアップサンプリングし１１６、次に、ローパス・フィルタリングして補間エイリアシングを除去しなければならない。この場合も、このフィルタリングは、整数サンプル遅延を有する線形位相ＦＩＲ１１８を使用して適切に実施される。従って、この信号は、やおも、コア・ビット・ストリームに保持されるオーディオ情報だけを搬送している。即ち、この信号は、２４ｋＨｚを超えるオーディオ周波数成分を全く含まない。次に、再構築されたコア信号が、入力信号１２２を遅延したもの（１１９）から減算（１２０）され、差信号を生じる。この差信号が遅延１２１を通過させられ、９６ｋＨｚサンプリング・エンコーダ１２３を使用してエンコードされて拡張ビット・ストリームを生成する。
【００２９】
デコード・プロセスは、前述したものと同様である。図１１ｂに示すように、アンパッカ１２４が、合成ビット・ストリームをアンパックして、コア・ビット・ストリームおよび拡張ビット・ストリームをそれぞれのデコーダ１２６および１２８へ送る。拡張デコーダが存在しない場合、再構築されたオーディオは直接に出力される（図では２４ビット４８ｋＨｚのＰＣＭ）。拡張デコーダがプレーヤに常駐している場合、デコードされたコア・オーディオは、９６ｋＨｚまでアップサンプリングされ（１３０）、ローパス・フィルタリングされ（１３２）、拡張デコーダの出力と加算（１３４）される。
【００３０】
このプロセスの背後にある概念は、最初、一般的なコア・プラス拡張フレームワークに関連して図３ａおよび図３ｂに示した。図３ａは、９６ｋＨｚサンプリングされたオーディオ入力信号の周波数スペクトルのスナップ・ショットを示している。このオーディオは、明らかに４８ｋＨｚまでの周波数成分を含んでいる。図３ｂでは、トレース４４は、デシメーションおよびコア・エンコードの後の信号のスペクトルを示している。オーディオ周波数は、フィルタリングされて２４ｋＨｚを超えるものが除去されており、サンプリング速度は、コア・コーダが高いサンプリング周波数で動作できないため、デシメータによって４８ｋＨｚに低下させられることになる。トレース４６は、拡張エンコーダに入る前の差信号のスペクトルを示す。明らかに、コア・コーダによって表されないスペクトルの部分、即ち、２４ｋＨｚと４８ｋＨｚの間のスペクトルに対して、そのデータ・リソースを集中することができる。
【００３１】
拡張ビットの幾らかをコア領域に割り振り、また幾らかを高周波数スペクトルに割り振るビット割り当てスキームは、最初に図７に示した。示すとおり、この双方は、出力オーディオ信号のバンド幅を拡張し、０〜２４ｋＨｚの領域でのノイズ・フロアを低下させる。この例は、拡張コーダに割り振る追加のビットが存在することを想定している。図１２に示す代替の適用例は、ビットの総数を既存のレベルに固定したままで、それらのビットをコア領域と拡張領域の間で割り振る。明らかに、高周波数性能の向上１３６が、２４ｋＨｚまでの変更のないコア・ノイズ・フロア７８より高いノイズ・フロア１３８に対してトレードオフされる。別の手法では、コア領域のノイズ・フロアはそのままにしておき、任意の追加ビットを、より高い周波数スペクトルにだけ割り振ることができる。２４ｋＨｚあたりの遷移バンドにおけるエラーは相当に大きいので、高周波数スペクトルは、好ましくは、遷移バンドを含むように定義される。
【００３２】
この最後のケースでは、コア・エンコーダによって提供されるノイズ・フロアが十分に良好である、または高周波数スペクトルにおける向上が、ノイズ・フロアを低下させることよりも重要である、と想定している。いずれの場合でも、拡張ビットのどれも、再構築されたコア信号と関連するコード化エラーを減少させるためには、割り振られない。このため、このコード化プロセスは、必要な計算の数と遅延とを共に低減するように単純化することができ、これは、デコーダに影響を与えることなく、オーディオ機器の費用および複雑さを低減することができる。
【００３３】
図１３に示すように、これは、まず、整数遅延を有する線形位相ＦＩＲフィルタ１４０を使用してデジタル・オーディオをローパス・フィルタリングし、２４ｋＨｚを超える信号成分を除去することによって実現することができる。次に、このフィルタリングされた信号が、２でデシメート１４２され、実効４８ｋＨｚのサンプリングされた信号をもたらす。次に、ダウン・サンプリングされた信号は、通常の様式でコア・エンコーダ１４４に送られ、その結果としてのビット・ストリームがパッカ１４６に入れられる。次に、ダウン・サンプリングされた信号は、２でアップ・サンプリング１４８されて、ローパス・フィルタリング１５０され、再構築された信号上の補間エイリアシングが除去される。この場合も、このフィルタリングは、整数サンプル遅延を有する線形位相ＦＩＲを使用して実現される。従って、再構築された信号は、やはり、コア・ビット・ストリームに保持されるオーディオ情報だけを搬送する。即ち、この信号は、２４ｋＨｚを超えるオーディオ周波数成分を全く含まないが、コード化エラーがない。次に、再構築された信号が、入力信号の遅延（１５４）されたバージョンから減算１５２されて差信号を生じ、この差信号が、遅延（１５７）され、９６ｋＨｚサンプリング・エンコーダ１５８を使用してエンコードされて拡張ビット・ストリームを生成する。
【００３４】
このスキームと図１１ａのスキームとの違いは、コア・エンコーダとデコーダの連鎖が、差信号を生成するプロセスにおいてバイパスされることである。トレードオフは、コア・エンコーダのコード化エラーが差信号に反映されないため、コア・エンコーダによってカバーされる周波数バンドにおけるノイズ・フロアを改善できないことである。従って、拡張エンコーダは、デシメーションおよび補間フィルタの遷移バンドから離れた低いサブバンドにビットを割り振ってはならない。
【００３５】
フィルタの特性の問題
コアのエンコードに先立って信号をフィルタリングするデシメーション・アンチエイリアシング・ローパス・フィルタ（ＬＰＦ）の目的は、コア・アルゴリズムによって通常は表すことができない信号を除去することである。言い換えれば、消費者向け機器内に在るデコーダは、これらの周波数を利用するようにプログラミングされていない。エイリアシング効果および音質の劣化の可能性を回避するために、このフィルタは、通常、遷移点の前で良くロールオフする。ただし、このフィルタの仕様、即ち、そのリップル、遷移バンド幅、および阻止帯減衰をユーザが調整して、必要な品質標準を得ることができる。
【００３６】
補間アンチエイリアシング・フィルタの目的は、単に、エイリアシングのレベルが全体の品質に干渉しないように、補間エイリアシングを効率的に減衰させるのを確実にすることである。このフィルタは、単に、デシメーション・アンチエイリアシング・フィルタの複製でよい。ただし、デシメーション・フィルタの複雑性は、コア信号の品質を確保するためには高くなる可能性が高い。結果として、エンコーダおよび／またはデコーダでの計算負荷を簡素化するために、補間フィルタのサイズを抑えるのが望ましい。
【００３７】
通常、補間フィルタのフィルタ特性は、エンコーダとデコーダの両方において同じに保つのが望ましい。これは、デコーダでの加算が、エンコーダでの差処理を正確に反転するように、遅延と応答が正確に整合されるのを確実にする。ときとして、デコーダ補間フィルタの計算的複雑性を低減するのが望ましい。これは、エンコーダとデコーダとの補間プロセスの間でわずかな不整合を生じさせることになるが、適切なフィルタ設計でこの差を小さくすることが可能である。重要な別の問題は、これらのフィルタの遅延である。遅延が異なる場合、拡張連鎖またはコア連鎖に遅延を追加することによって、それを補償しなければならない。この場合も目的は、拡張信号とコア信号が、加算に先立って、正確に時間的に整合していることを確実にすることである。
【００３８】
コーデックの実施態様
前述したコード化スキームでは、エンコーダ／デコーダは、コア・ビット・ストリームに関しても、また拡張ビット・ストリームに関しても任意である。即ち、エンコーダ／デコーダは、サブバンド・コード化、変換コード化などの任意の組合せであることが可能である。一般的なコア・プラス拡張の手法は、２つの別個の実施形態に分けることができる。第１の実施態様は、コア・コーデックのアルゴリズムおよび内部構造の知識を必要とせず、コード化遅延の知識だけが必要とされるブラックボックス手法である。ただし、コア・コード化の性質が知られており、拡張コーダがそれに適合するように設計される場合、拡張コード化は、あるケースでは、より効率的に行うことができる。
【００３９】
ブラックボックス・コーデック
ブラックボックス手法は、コア・エンコーダおよびコア・デコーダの遅延を除いての、コア・コーダ／デコーダ（コーデック）の内部構造の知識が無いことを前提とする。一般的なコア・プラス拡張の手法を説明するのに上記で用いたブロック図は、ブラックボックス手法も例示する。示すとおり、コアおよび拡張のエンコードおよびデコードのプロセスは完全に別々である。唯一の相互作用は、差信号を形成するとき、または出力信号を加算するときに生じ、これは完全にその時間領域において発生する。従って、コア・コーデックの内部構造の知識は全く必要なく、また拡張コーデックの選択がコア・コーデックに依存または制約されることもない。ただし、遅延を、（ａ）差信号を形成する前に、再構築されたコア信号と入力信号とが正確に時間的に整合するように、また（ｂ）コア信号と差信号が、デコーダで加算される前に正確に時間的に整合しているように、選択しなければならない。図１１ａおよび図１１ｂに示す現在好ましい手法は、デコーダの必要なメモリを最小限に抑えるために、遅延のすべてをエンコーダに入れることである。
【００４０】
入力信号と再構築コア信号とを時間的に整合させるために、入力信号は、
遅延入力＝遅延_{デシメーションLPF}＋遅延_{コア・エンコーダ}＋遅延_{コア・デコーダ}＋遅延_{補間 LPF}
に等しい量だけ遅延される。
【００４１】
デコーダでコア信号と差信号とを時間的に整合するために、フレーム・バッファ遅延は、
遅延_{フレーム・バッファ}＝遅延_差信号＋遅延_{拡張 エンコーダ}＋遅延_{拡張 デコーダ}
に等しく設定される。
【００４２】
１１ａに示すエンコーダの抱える問題は過度のコード化遅延であり、これは、コード化遅延＝遅延_{デシメーションLPF}＋遅延_{コア・エンコーダ}＋遅延_差信号＋遅延_{拡張 エンコーダ}＋遅延_{拡張 デコーダ}＋遅延_{コア・デコーダ}＋遅延_{補間 LPF}
のようになる。
【００４３】
この遅延は、図１３に示すスキームが使用され、補間ＬＰＦが適切に設計される場合、
コード化遅延＝遅延_{デシメーションLPF}＋遅延_{コア・エンコーダ}＋遅延_{コア・デコーダ}＋遅延_{補間 LPF}のように短縮することができる。
【００４４】
ブラックボックス拡張コーダ
ブラックボックス拡張エンコーダ１６０に適するコーデックの一例を図１４および図１５に示している。このコーデックは、実質的に、現在、市販されるすべての主なオーディオ・コード化システムによって使用されているフィルタ・バンク型コード化技術に基づいている。ＤＴＳ Ｃｏｈｅｒｅｎｔ Ａｃｏｕｓｔｉｃｓ（ＤＴＳコヒーレント・アコースティックス）、ＭＰＥＧ Ｉ、およびＭＰＥＧ ＩＩはサブバンド・コード化を使用し、ＡＣ−３およびＭＰＥＧ ＩＩ ＡＡＣは、変換コード化を配備している。従って、本明細書に呈示するコーデックの詳細は、後述するオープンボックス実装形態で使用される拡張コーデックの実装形態に容易に適合させることができる。
【００４５】
拡張エンコーダ１６０を図１４（ａ）に示す。差信号は、フィルタ・バンク１６２によってＮ個のサブバンドに分割されデシメートされる。各サブバンド信号は、図１５（ａ）に示すサブバンド・コーダ１６４を使用してコード化することができる。次に、各サブバンド・エンコーダからのサブバンド・ビットが、拡張ビットとしてパックされる１６６。
【００４６】
デコーダ１６８を図１４（ｂ）に示す。拡張ビットは、まず、各個別サブバンド・ビットにアンパックされる１７０。次に、アンパックされたサブバンド・ビットが、図１５（ｂ）に示すサブバンド・デコーダ１７２によってデコードされ、再構築されたサブバンド信号を生成する。最後に、再構築サブバンド信号に合成フィルタ・バンク１７４を適用することにより、差信号が再構築される。
【００４７】
各サブバンド・エンコーダ（図１４（ａ））内で、サブバンド・サンプルがサブバンド分析ウインドウにグループ化される。そのようなウインドウのそれぞれの中のサブバンド・サンプルが、４つ一組の予測フィルタ係数を最適化するために使用され、次に、これらの係数が、ツリー・サーチＶＱ方法を使用して量子化される。このベクトル量子化された予測係数は、各分析ウインドウ内のサブバンド信号を予測するのに使用される。予測利得は、サブバンド・サンプルの分散と予測残差の分散の比として得られる。予測利得が、予測係数のＶＱアドレスを伝送することのオーバーヘッド、および予測残差の後の量子化に起因する予測利得の考えられ得る損失をカバーするのに十分なだけ大きい正の値である場合、その予測残差は量子化され転送される。そうでなければ、予測残差は放棄され、サブバンド・サンプルが量子化されて転送される。サブバンド分析ウインドウに関する適応型予測の使用は、圧縮されたビット・ストリーム内の「予測モード」フラグによって示される。このように、適応型の予測は、量子化エラーを低減することができるときはいつでも動的に活性化される。
【００４８】
サブバンド分析ウインドウに対して予測モードがオンになっている場合、スケール・ファクタが計算され、これは予測残差のＲＭＳ（根二乗平均）またはピーク振幅のどちらかである。予測残差は、このスケール・ファクタによって正規化される。サブバンド分析ウインドウに対して予測モードがオンになっていない場合、考えられ得る過渡の存在に関して、サブバンド・サンプルを分析する。過渡は、低い振幅の位相と高い振幅の位相との間の鋭い又は急速な遷移として定義される。そのようなウインドウに対して単一のスケール・ファクタが使用される場合、それは過渡に先行する低レベル・サンプルに対して大きすぎる可能性があり、場合によっては、低ビット・レート・モードでの前エコーを引き起こし得る。この問題を緩和するため、各分析ウインドウは、幾つかのサブウインドウに分割される。過渡の位置は、分析サブウインドウに関して分析ウインドウ内に位置し、また、２つのスケール・ファクタ、一方は過渡前のサブウインドウ用で他方は過渡後のサブウインドウ用、が計算される。次に、過渡が生じたサブウインドウの識別番号が、コード化されたビット・ストリームにパックされる。その後、各サブウインドウ内のサブバンド・サンプルが、そのそれぞれのスケール・ファクタによって正規化される。
【００４９】
スケール・ファクタは、ビット・レートに応じて、６４レベル（２．２ｄＢステップ）または１２８レベル（１．１ｄＢステップ）の根自乗テーブルを使用して対数的に量子化される。これらのスケール・ファクタは、１４０ｄＢという範囲でオーディオの動的トラッキングを可能にする。量子化テーブルの選択は、各分析ウインドウごとにビット・ストリームに組み込まれる。
【００５０】
サブバンド分析ウインドウのタイム・スパンに対してウォータ・フィリング・アルゴリズムを使用して、すべてのチャネルのすべてのサブバンドにわたってビット割り当てを行うことができる。高ビット・レート適用例に関しては、ウォータ・フィリング（water filling）・アルゴリズムがサブバンドのパワーに対して動作する。低ビット・レートの適用例に関しては、全チャネルに対して音響心理学分析を行い、サブバンドに関する信号対マスク比（ＳＭＲ）を得て、次に、そのＳＭＲをウォータ・フィリング・アルゴリズムへ送ることによって、主観的トランスペアレント・コード化を実現する。無損失または可変のビット・レートコード化モードでは、ビット割り当ては量子化ステップ・サイズによって決定され、これは、量子化ノイズが、ソースＰＣＭサンプルのＬＳＢの１／２などのような、何らかの所定のしきい値を下回ることを保証する。このようにして得られたビット割振りが、次に、ビット・ストリームに組み込まれる。
【００５１】
ビット割振りの後、サブバンド・サンプルまたは予測残差が量子化され、量子化インデックスがビット・ストリーム内にパックされる。
人間の聴覚システムは、約５ｋＨｚを超えると、空間イメージングの認知を行うのに、オーディオ信号の時間的微細構造よりも、オーディオ信号の時間的エンベロープの方に頼ることを、音響心理学の研究が示している。従って、非常に低いビット・レートのモードでは、選択した数のオーディオ・チャネルの高周波数サブバンドの加算したものだけをコード化することによって、全体の再構築忠実度を向上させることが可能である。デコードされると、個々のチャネルのこれらの高周波数サブバンドは、この加算信号をコピーし、そのそれぞれのスケール・ファクタによってスケーリングを行うことによって、再構築することができる。結合強度コード化が採用される場合、加算サブバンド・サンプルは、結合チャネルのうちの１つ（ソース・チャネル）において搬送され、他のすべてのチャネルは、このソース・チャネルに対するインデックスおよびそのそれぞれのスケール・ファクタだけを搬送する。
【００５２】
低ビット・レートの適用例では、ハフマン・コードなどのエントロピ・コード化を使用して、スケール・ファクタ、過渡の位置、ビット割振り、または量子化インデックスが更にコード化される。この場合、エントロピコード化の後に実際に使用されている総ビットは、固定ビット・レートの適用例に対して許容される最大ビットよりも相当に少なくなり得る。許容される最大ビットを十分に利用するため、反復手法が採用され、それにより、すべての未使用ビットが尽きるまで、未使用ビットが、最低のサブバンドから最高のサブバンドまで増分方式で割り振られる。
【００５３】
ブラックボックス・デコーダ・ハードウェアの実施態様
デュアルＨＳＡＲＣ ２１０６５Ｌ浮動点プロセッサで動作する５．１チャネル、９６ｋＨｚ、２４ビットＤＴＳデコーダの一実施態様を図１６〜図２０に示す。「コア」ブロックのすべての処理およびシリアル入力／出力データ・ストリームの処理は、プロセッサ＃１（Ｐ＃１）１８０で行われる。拡張デコードに必要な信号処理動作の大部分は、プロセッサ＃２（Ｐ＃２）１８２に入れられている。この構成により、９６／２４「高精細度」オーディオ・フォーマットに対して簡単なハードウェア・アップグレード・パスを考慮することが可能になる。特に、「コア」デコードのみに関しては、プロセッサ＃１を使用するのが十分であり、このプロセッサは、外部ポート１８６を介して外部メモリ１８４とインターフェースし、また、ＳＰＤＩＦ受信機１８８に接続し、出力シリアル・ポート１９２を介して３つのＳＰＤＩＦ送信器１９０ａ、１９０ｂ、１９０ｃに接続する。９６ｋＨｚの２４ビットのＤＴＳデコーダに対するアップグレードは、プロセッサ＃２をクラスタ多重処理コンフィギュレーションにおいて外部メモリ・バス１９４に接続することによって行われる。ＳＨＡＲＣのオンチップ・バス・アービトレーション・ロジックにより、両方のプロセッサが共通バスを共有することが可能となる。
【００５４】
デジタル・ストリームは、ＤＶＤプレーヤから、またはＤＶＤプレーヤ内のＤＶＤトランスポート機構から得ることができる。ＳＰＤＩＦ受信機は、デジタル・ストリームを受信し、それを適切な形式に変換してＳＨＡＲＣ Ｐ＃１のＲｘシリアル・ポート１９５へ送り込むために必要である。着信デジタル・ストリームは、ＤＭＡを使用して、Ｒｘシリアル・ポートからＳＨＡＲＣ Ｐ＃１の内部メモリのデータ・バッファに転送される。
【００５５】
図１７のブロック図１９６は、着信データ・ストリームの流れを示している。左および右チャネル（Ｌ、Ｒ）、サラウンド左およびサラウンド右チャネル（ＳＬ、ＳＲ）、ならびに中心および低周波数効果チャネル（Ｃ、ＬＦＥ）に対する６つのデコードされたＰＣＭストリームが、３つの出力ストリームに多重化される。ＳＨＡＲＣ Ｐ＃１の内部メモリ内のデータ・バッファから適切な送信シリアル・ポートへ出力ストリームを転送するのに、３つのＴｘシリアル・ポートＤＭＡチャネルが使用される。シリアル・ポートは、任意の市販のＳＰＤＩＦ送信器またはＤＡＣにフィードを行うように構成することができる。
【００５６】
図１８のブロック図１９８は、発信データ・ストリームの流れを示している。クラスタ多重処理コンフィギュレーションにより、各プロセッサは、両方のプロセッサの共有外部メモリおよび共有Ｉ／Ｏレジスタにアクセスすることができる。２つのプロセッサ間でのデータ交換は、共有外部メモリの二バッファを介して行われる。詳細には、現在のＤＴＳフレームからの「コア」オーディオ・データの６つのチャネルが、Ｐ＃１の外部ポートＤＭＡチャネルを使用して、Ｐ＃１の内部メモリから共有外部メモリのブロック（例えば、ブロックＡ）のバッファへ転送される。更に、現在のＤＴＳフレームからの拡張サブバンド・サンプルの５つのチャネルもまた、Ｐ＃１の内部メモリから共有外部メモリの同じブロックのその対応するバッファへ転送される。この場合も、この転送のためにＰ＃１の外部ポートＤＭＡチャネルが使用される。
【００５７】
図１９のブロック図２００に示すとおり、現在のＤＴＳフレーム中に、前のＤＴＳフレームからの「コア」データおよび拡張データが、共有外部メモリのブロックＢのその対応するバッファから、Ｐ＃２の内部メモリへ転送される。これらの転送のスケジューリング、およびメモリ・ブロック（Ａ／Ｂ）の切り替えは、両方のプロセッサのＩ／Ｏレジスタの制御を通じてＰ＃１によって行われる。同様に、前のＤＴＳフレームからの９６ｋＨｚのＰＣＭオーディオの６つのチャネルが、Ｐ＃１の外部ポートＤＭＡチャネルを使用して、共有外部メモリのブロックＤのバッファからＰ＃１の内部メモリへ転送される。図２０のブロック図２０１が、このデータ・ストリーム・フローを示している。これらの転送のスケジューリングおよびメモリ・ブロック（Ｃ／Ｄ）の切り替えは、この場合も、両方のプロセッサのＩ／Ｏレジスタの制御を通じてＰ＃１によって行われる。
【００５８】
オープンボックス・コーデックＩ
オープンボックス実装形態は、コア・コーデックの内部構造の知識を必要とする。図２１および図２２に示すエンコーダの例は、フィルタ・バンク手法を用いるコード化技法を用いたコア・エンコーダに関するものである。これらの技法には、サブバンド・コード化（ＤＴＳ Ｃｏｈｅｒｅｎｔ Ａｃｏｕｓｔｉｃｓ、ＭＰＥＧ Ｉ、およびＭＰＥＧ ＩＩ）、および変換コード化（Ｄｏｌｂｙ ＡＣ−３およびＭＰＥＧ ＩＩ ＡＡＣ）が含まれるが、これらに限定はされない。コア・コードの内部構造を知ることで、拡張コーデックは、コア帯域幅、例えば、０ｋＨｚから２４ｋＨｚ、にわたってのその応答が、コア・コーダのその応答と整合するように、選択され設計される。その結果として、差信号は、時間領域においてではなく、変換またはサブバンド領域において形成することができる。これは、遅延の量および計算の数を低減させる。
【００５９】
第１の例では、デジタル・オーディオが、９６ｋＨｚ周期の２４ビットＰＣＭサンプルによって表されている。このデジタル・オーディオは、まず、ローパス・フィルタリング２０２されてそのバンド幅が２４ｋＨｚより低くされ、次に、２でデシメート２０４されて、実効４８ｋＨｚのサンプリングされた信号をもたらす。次に、このダウン・サンプリングされた信号が、コア・エンコーダ２０６に送り込まれる。コア・エンコーダのＮバンド・フィルタ・バンク２０８が、ダウン・サンプリングされた信号をＮ個のサブバンドに分解する。各サブバンドは、多数の適応予測、スカラーおよび／またはベクトル量子化、およびエントロピコード化の技法２１０を使用して、コード化することができる。最適の構成では、サブバンド・コード化技法は、コア・エンコーダで使用される技法と一致することになる。次に、結果としてのビット・ストリームが、パッカに入れられる。このビット・ストリームはコア・サブバンド・デコーダ２１２に送り込まれて、サブバンド差信号を生成するための拡張エンコーダによる後の使用のためのサブバンド・サンプルを再構築する。
【００６０】
９６ｋＨｚのサンプリングされた入力ＰＣＭ信号は遅延２１４され、次に、２バンド・フィルタ・バンク２１６に送り込まれて、２つの４８ｋＨｚのサンプリングされたサブバンド信号を生成する。低部バンド信号は、コア・エンコーダによって使用されるものと同じＮバンド・フィルタ・バンク２１８により、Ｎ個のサブバンド信号に分解される。これらの信号のそれぞれが、コア・エンコーダからの再構築されたそのそれぞれのサブバンド信号で減算２２０されて、サブバンド差信号を生成する。この差サブバンド信号がサブバンド・コーダ２２２によってコード化され、次に、パッカ２２４に入れられる。２バンド・フィルタ・バンクからの上部バンド信号が、Ｍバンド・フィルタ・バンク２２６へ送り込まれ、Ｍ個のサブバンド信号を生成する。次に、これらの信号がサブバンド・コーダ２２８によってコード化されてパッカへ入れられる。このサブバンド・コーダは、多数の適応予測、スカラーおよびベクトル量子化、および／またはエントロピ・コード化を含むことができる。拡張エンコーダ前の遅延は、以下の式、
遅延＋遅延_{2バンド・フィルタ}＝遅延_{デシメーションLPF}
によって与えられ、従って、再構築されたコア・サブバンド信号およびオーディオ・サブバンド信号は、加算接合部２２０で正確に時間的に整合される（図２１（ａ）参照）。デコーダ（図２１（ｂ））において、これらの信号は、加算接合部で自動的に整合される。Ｍバンド・フィルタ・バンクは、その遅延がＮバンド・フィルタ・バンクの遅延と一致するように設計されなければならない。そうでなければ、追加の遅延を導入して、上部バンドのサブバンド信号が、低部バンドのサブバンド信号と同じだけ遅延されるようにしなければならない。
【００６１】
デコード・プロセスを図２１（ｂ）に示している。コア・ビット・ストリームがアンパックされ２３０、デコードされて２３２、Ｎ個のコア・サブバンド信号を生成する。拡張デコーダがプレーヤに存在しない場合、これらのコア・サブバンド信号が、Ｎバンド合成フィルタ・バンク２３４へ送り込まれ、コア・オーディオを生成する。存在する場合は、このステップはスキップされ、コア・サブバンド信号は、拡張デコーダ２３６へ送り込まれ、拡張ビット・ストリームからデコード２４０された差サブバンド信号と加算２３８される。次に、これらの加算されたサブバンド信号がＮバンド合成フィルタ・バンク２４２へ送られ、低部バンド信号を生成する。上部バンド信号は、拡張ビット・ストリームをデコード２４４し、デコードされたＭサブバンド信号をＭバンド合成フィルタ・バンク２４６へ送り込むことによって形成される。最後に、上部バンド信号および低部バンド信号が２バンク合成フィルタ・バンク２４８へ送られ、９６ｋＨｚのサンプリングされたオーディオ出力を生成する。
【００６２】
このオープンボックス手法の利点には、以下の低減されたコード化遅延、
エンコーディング遅延＝遅延_{デシメーションLPF}＋遅延_{コア・エンコーダ}
デコーディング遅延＝遅延_{コア・デコーダ}＋遅延_{2バンド・フィルタ}
およびデコードの複雑性、
デコーディングＭＩＰＳ＝ＭＩＰＳ_{コア・デコーダ}＋ＭＩＰＳ_{Mバンド・フィルタ}＋ＭＩＰＳ_{2バンド・フィルタ}
が含まれる。
【００６３】
Ｍバンド・フィルタ・バンクおよび２バンド・フィルタ・バンクに関するＦＩＲフィルタ・タップの数が十分に小さくなるように選択された場合、Ｍバンド合成フィルタ・バンクおよび２バンド合成フィルタ・バンクに必要なＭＩＰＳは、４８ｋＨｚで動作するＮバンド合成フィルタ・バンクのＭＩＰＳよりも小さくすることが可能である。従って、９６ｋＨｚのオーディオをデコードするための総ＭＩＰＳは、４８ｋＨｚのサンプリングされたオーディオを扱うコア・デコーダによって必要とされるＭＩＰＳの２倍よりも小さくなり得る。
【００６４】
オープンボックス・コーデックＩＩ
Ｍバンド・フィルタ・バンクが、好ましい実装形態ＩＩのＮバンド・フィルタ・バンクで置き換えられた場合、拡張コーデック内の３つのフィルタ・バンクを組み合わせて、Ｌバンド・フィルタ・バンクを形成することができる。ここでＬ＝Ｍ＋Ｎ（図２２（ａ）および図２２（ｂ））である。組み合わせたＬバンド・フィルタ・バンクは、高速のアルゴリズムを使用してコサイン変調が実施される場合には、計算負荷をより少なくできる。
【００６５】
図２２（ａ）は、オープンボックス実施態様ＩＩのそれと基本的に同じであるが、拡張エンコーダ内の３つの分析フィルタ・バンクが、単一のＬバンド分析フィルタ・バンク２５０によって置き換えられていることと、およびコア・エンコーダからの再構築サブバンド信号がＬバンド・フィルタ・バンクの低部Ｎサブバンド信号から減算されて差サブバンド信号を生成するということとが、異なっている。これが可能なのは、９６ｋＨｚサンプリング・レートで動作する拡張エンコーダのＬバンド・フィルタ・バンクの低部のＮサブバンドのそれぞれが、４８ｋＨｚサンプリング・レートで動作するコア・エンコーダのＮバンド・フィルタ・バンクのサブバンドと同じオーディオ・スペクトルをカバーするからである。このスキームが成功するためには、もちろん、Ｌバンド・フィルタ・バンクとＮバンド・フィルタ・バンクとが異なるサンプリング周波数で動作するにもかかわらずこれらのフィルタ特性が互いに整合することが、必要不可欠である。
【００６６】
図２２（ｂ）に示すデコード手順は、図２１（ｂ）の手順とほとんど同じであるが、３つの合成フィルタ・バンクが、１つのＬバンド合成フィルタ・バンク２５２で置き換えられていることと、コア・デコーダの再構築サブバンドが、Ｌバンド・フィルタ・バンクから出てくる対応する低部Ｎサブバンドに付加されることとが異なっている。
【００６７】
本発明のいくつかの例示的な実施形態を示し、説明してきたが、当分野の技術者は、多数の変形形態および代替の実施形態を思いつくであろう。例えば、ここで議論したサンプリング・レートは現在の標準に対応している。時の経過とともに、これらのサンプリング・レートは変わる可能性がある。そのような変形形態および代替の実施形態が企図され、それらは添付の特許請求の範囲に定義された本発明の趣旨および範囲を逸脱することなく作ることができる。
【図面の簡単な説明】
【図１】 図１は、従来の手法でのコード化のためにベース周波数バンドと高周波数バンドを分離するのに使用された２バンド・デシメーション・フィルタバンクの周波数応答のグラフである。
【図２】 図２は、本発明の一般化したコアおよび拡張フレームワークを具体化するエンコーダのブロック図である。
【図３】 図３ａおよび図３ｂは、それぞれ、入力オーディオ信号の周波数スペクトルと、コード化されたコア信号の周波数スペクトルと差信号のグラフである。
【図４】 図４は、コアおよび拡張オーディオ・データの一フレームに関するビット・ストリーム・フォーマットを示す。
【図５】 図５ａおよび図５ｂは、それぞれ、デコーダへ一ビット・ストリームを送るための物理的媒体および放送システムを示す。
【図６】 図６は、図２に示すコアおよび拡張コーダに適合するデコーダのブロック図である。
【図７】 図７は、複数トーン試験信号のための再構築されたオーディオ信号の周波数スペクトルのグラフである。
【図８】 図８ａおよび図８ｂは、それぞれ、高分解能拡張フレームワークを具体化するエンコーダおよびデコーダのブロック図である。
【図９】 図９は、高分解能拡張フレームワークの差信号の周波数スペクトルのグラフである。
【図１０】 図１０は、高分解能拡張フレームワークの複数トーン試験信号のための再構築されたオーディオ信号の周波数スペクトルのグラフである。
【図１１】 図１１ａおよび図１１ｂは、それぞれ、高周波数拡張フレームワークを実現するエンコーダおよびデコーダのブロック図である。
【図１２】 図１２は、固定ビット・レートの複数トーン試験信号のための再構築されたオーディオ信号の周波数スペクトルのグラフである。
【図１３】 図１３は、代替の高周波数拡張フレームワークを実現するエンコーダのブロック図である。
【図１４】 図１４ａおよび図１４ｂは、それぞれ、拡張エンコーダおよび拡張デコーダのブロック図である。
【図１５】 図１５ａおよび図１５ｂは、サブバンド・エンコーダおよびサブバンド・デコーダのブロック図である。
【図１６】 図１６は、ブラックボックス・ハードウェア・アーキテクチャのブロック図である。
【図１７】 図１７は、第１のプロセッサのオンチップ・メモリに対するシリアル入力からのデータ・フローを示す。
【図１８】 図１８は、シリアル・ポートに対する第１のプロセッサのオンチップ・メモリからのデータ・フローを示す。
【図１９】 図１９は、第２のプロセッサのオンチップ・メモリに対する第１のプロセッサのオンチップ・メモリからのデータ・フローを示す。
【図２０】 図２０は、第１のプロセッサのオンチップ・メモリに対する第２のプロセッサのオンチップ・メモリからのデータ・フローを示す。
【図２１】 図２１ａおよび図２１ｂは、それぞれ、オープンボックス・エンコーダおよびオープンボックス・デコーダのブロック図である。
【図２２】 図２２ａおよび図２２ｂは、それぞれ、別のオープンボックス・エンコーダおよびオープンボックス・デコーダのブロック図である

Claims (5)

1. 入力サンプリング・レートでサンプリングされ且つ入力オーディオ帯域幅を有するデジタル・オーディオ信号をコード化するためのマルチチャネル・オーディオ・エンコーダであって、
   遷移帯域を含むコア・オーディオ帯域幅にわたって前記デジタル・オーディオ信号からコア信号を抽出してコア・ビットにコード化するコア・エンコーダであって、前記コア信号をＮ個の副帯域信号に分解するＮ帯域フィルタ・バンク（２０８）、および符号化されたＮ個の副帯域信号を生成するＮ副帯域コーダ（２０６、２１０）を含むコア・エンコーダと、
   前記符号化されたＮ個の副帯域信号を再構築して、再構築されたコア信号を形成するＮ副帯域デコーダ（２１２）と、
   前記再構築されたコア信号および前記デジタル・オーディオ信号から差信号を副帯域領域において形成する加算ノードと、
   前記差信号を拡張ビットにコード化する拡張エンコーダであって、前記コア・エンコーダのコア・オーディオ帯域幅にわたって前記コア・エンコーダと整合する拡張エンコーダと
   を備え、
   前記拡張エンコーダは、
   前記デジタル・オーディオ信号を低部帯域の信号と上部帯域の信号とに分割する２帯域フィルタ・バンク（２１６）と、
   前記低部帯域において前記デジタル・オーディオ信号をＮ個の副帯域信号に分解する前記コア・エンコーダのフィルタ・バンクと等価のＮ帯域フィルタ・バンク（２１８）であって、前記加算ノードが、前記拡張エンコーダ内に存在し、再構築された前記Ｎ個の副帯域信号を前記デジタル・オーディオ信号のＮ個の副帯域信号からそれぞれに減算して、Ｎ個の差副帯域信号を形成するＮ副帯域ノードを備える、Ｎ帯域フィルタ・バンクと、
   前記Ｎ個の差副帯域信号をコード化して前記低部帯域拡張ビットを形成するＮ副帯域コーダ（２２２）と、
   前記上部帯域において前記デジタル・オーディオ信号をＭ個の副帯域信号に分解するＭ帯域フィルタ・バンク（２２６）と、
   前記Ｍ個の副帯域信号をコード化して前記上部帯域拡張ビットを形成するＭ副帯域コーダ（２２８）と
   を備え、
   前記Ｎおよび前記Ｍは１より大きい整数である、
   マルチチャネル・オーディオ・エンコーダ。
2. 入力サンプリング・レートでサンプリングされ且つオーディオ帯域幅を有するデジタル・オーディオ信号をコード化するためのマルチチャネル・オーディオ・エンコーダであって、
   コア・オーディオ帯域幅にわたって前記デジタル・オーディオ信号からコア信号を抽出してコア・ビットにコード化するコア・エンコーダであって、前記コア信号をＮ個の副帯域信号に分解するＮ帯域フィルタ・バンク、および符号化されたＮ個の副帯域信号を生成するＮ副帯域コーダを含むコア・エンコーダと、
   前記符号化されたＮ個の副帯域信号を再構築して、再構築されたコア信号を形成するＮ副帯域デコーダと、
   前記再構築されたコア信号および前記デジタル・オーディオ信号から差信号を形成する加算ノードと、
   前記差信号を拡張ビットにエンコードする拡張エンコーダと
   を備え、
   前記拡張エンコーダは、
   前記デジタル・オーディオ信号をＮ個の低部副帯域信号とＭ個の上部副帯域信号に分解するＬ帯域フィルタ・バンク（２５０）であって、そのフィルタ特性が、前記Ｎ帯域フィルタ・バンクのフィルタ特性とそのＮ個の低部副帯域にわたって整合し、前記加算ノードが、前記拡張コーダ内に存在し、再構築された前記Ｎ個の副帯域信号を含む前記コア信号を前記デジタル・オーディオ信号のＮ個の低部副帯域信号からそれぞれに減算してＮ個の差副帯域信号を形成するＮ副帯域ノードを含む、Ｌ帯域フィルタ・バンクと、
   前記Ｎ個の差副帯域信号をコード化して前記低部帯域拡張ビットを形成するＮ副帯域コーダと、
   前記Ｍ個の副帯域信号をコード化して前記上部帯域拡張ビットを形成するＭ副帯域コーダと
   を備え
   前記Ｎおよび前記Ｍは１よりも大きい整数であり、前記Ｌは前記Ｍと前記Ｎとを加算した値と等しい、
   マルチチャネル・オーディオ・エンコーダ。
3. 入力サンプリング・レートでサンプリングされたデジタル・オーディオ信号を再構築するためのマルチチャネル・オーディオ・デコーダであって、
   前記デジタル・オーディオ信号は、請求項１または２に記載のマルチチャネル・オーディオ・エンコーダによりエンコードされて形成されるコア・ビットおよび拡張ビットの形の信号へとエンコードされており、
   前記拡張ビットは、低部帯域拡張ビットと上部帯域拡張ビットとを含み、
   前記コア・ビットおよび前記拡張ビットは、パッカによりビット・ストリームのフレーム（５４）へとパックされるものであり、
   それぞれの前記フレームは、コア・ビット（６１）を有するコア・フィールド（５６）と、同期ワードおよび拡張ビットを有する拡張フィールド（５８）とを含むものであり、
   一度に１つのフレーム（５４）ずつ前記ビット・ストリームを読み込み記憶するアンパッカ（２３０）であって、前記コア・ビットを抽出し、前記同期ワード（６０）を検出して、その拡張ビットを抽出して分離するアンパッカ（２３０）と、
   前記アンパッカから出力された前記コア・ビットを、Ｎ個のコア副帯域信号にデコードするＮコア副帯域デコーダ（２３２）と、
   前記低部帯域拡張ビットを、Ｎ個の拡張副帯域信号にデコードするＮ拡張副帯域デコーダ（２４０）と、
   前記上部帯域拡張ビットを、Ｍ個の拡張副帯域信号にデコードするＭ拡張副帯域デコーダ（２４４）と、
   前記Ｎ個のコア副帯域信号を前記Ｎ個の拡張副帯域信号のそれぞれに加算して、Ｎ個の合成副帯域信号を形成するＮ加算ノードと、
   前記Ｎ個の合成副帯域信号と前記Ｍ個の拡張副帯域信号を合成して、前記入力サンプリング・レートで、前記デジタル・オーディオ信号を再生するフィルタ（２４２、２４６、２４８；２５２）と
   を備え、
   前記Ｎおよび前記Ｍは１よりも大きい整数である、
   オーディオ・デコーダ。
4. 前記フィルタは、単一のＭ＋Ｎ帯域フィルタバンク（２５２）であり、低部のＮ個の帯域が前記Ｎコア副帯域デコーダの帯域に対応する、請求項３に記載のマルチチャネル・オーディオ・デコーダ。
5. 前記フィルタが、
   Ｎ帯域フィルタ・バンク（２４２）であって、その帯域が前記Ｎコア副帯域デコーダの帯域に対応するものであり、前記Ｎ加算ノードで形成された前記Ｎ個の合成副帯域信号を合成して出力するＮ帯域フィルタ・バンク（２４２）と、
   前記Ｍ個の拡張副帯域信号を合成して出力するＭ帯域フィルタ・バンク（２４６）と、
   前記Ｎ帯域フィルタ・バンクと前記Ｍ帯域フィルタ・バンクの出力を組み合わせて前記マルチチャネル・オーディオ信号を再構築する２帯域フィルタ・バンク（２４８）と
   を備える、
   請求項３に記載のマルチチャネル・オーディオ・デコーダ。

Images