JP4431568B2 - 音声符号化 - Google Patents

Description

本発明は、音声符号化に関する。

音声信号の変数記述は、特に音声符号化の分野において、近年関心を得ている。音声信号を表わす伝送（量子化）変数は、知覚的に等しい信号を受信側で再合成できる伝送を、ほんのわずかに必要とすることが示されている。MPEG-LII、MP3及びAAC（MPEG-2アドバンスト・オーディオ・コーディング）のような音声符号化の考えに基づく従来の波形で、ステレオ信号は、二つのモノラル音声信号を一つのビットストリームに符号化することによって符号化される。これは夫々のチャネルを明らかに符号化するが、単一のチャネルを符号化することを必要とする二つのデータを要求することを犠牲にする。

多くの場合において、二つのチャネルによって搬送される内容は、主にモノラルである。故に、中央／側面ステレオ符号化及び強度符号化のような技術を用いてチャネル間の相関及び無関係を利用することによって、ビットレートの節約が成されうる。本発明に関連する符号化方法は、チャネルの一つを完全に符号化し、他のチャネルが完全に符号化されたチャネルから導き出されうるような変数記述を符号化する。故に、復号器において、通常単一の音声信号は、二つの異なる出力チャネルを得るように変更されなければならない。特に、第二のチャネルを記述するために使用されている変数はチャネル間の時間差（ITD）、チャネル間の位相差（IPD）及びチャネル間のレベル差（ILD）を有しても良い。

EP-A-1107232では、符号化された信号が、左チャネル又は右チャネルのうちの一つ、及び、他の入力信号が再生されることを可能にする変数情報から導かれる情報を有する、ステレオ信号の符号化方法について述べられている。

上記を参照して表わされるような変数表現において、ITDは、入力チャネル間の位相又は時間における差を表わす。故に、復号器は、符号化されたチャネルの内容を取得し、ITDによって与えられた位相差を作り出すことによって、符号化されていないチャネルを発生することができる。この処理は、特定の自由度を組み込み。例えば、一つのチャネル（即ち、符号化されていないチャネル）のみが、所定の位相差で変更されても良い。あるいは、符号化された出力チャネルは、負の所定の位相差で変更されうる。第三の例として、一つは、所定の半分の位相差を一つのチャネルに、且つ、負の所定の半分の位相差を他のチャネルに適用することができた。位相差のみが決められているので、両チャネルの位相シフトでの補正（分配）は不変ではない。これは復号化された音声の空間特性に関する問題ではないが、可聴式の人為的な影響をもたらしうる。これら人為的影響は、全体の位相シフトが任意であるので生じる。如何なる符号化時間フレームにおいても、出力チャネルの一つ又は両方に関する位相変更は、前のフレームの位相変更に対応しうる。本出願は、復号器において正確な全体の位相シフトを正確に予測することが非常に困難であることを発見し、前のフレームの位相変更によって位相変更を制限するような方法を前で述べている。これは、うまく作用する問題解決法であるが、問題の原因を取り除くものではない。

上述されるように、所定の位相又は時間のシフトが、復号レベルで二つの出力チャネル上で分けられるであろう方法を決定することは、非常に困難であることが示されている。以下の例は、この困難を更に明らかに説明する。復号器においてと仮定すると、モノラル信号成分は単一の正弦波から成る。更に、この正弦波のITD変数は、時間に渡って（即ち、分析フレームに渡って）線形に増加する。この例において、我々はIPDに注目し、IPDがまさにITDの線形変換であることに留意する。IPDは、間隔[-π:π]で単に定義される。図１は、時間関数としてのIPDを示す。

第一の見解において、これは非常に理論的な例のように見えるが、このようなIPDの挙動は、しばしば音声録音で起こる（例えば、左右のチャネルでのトーン周波数が数ヘルツだけ異なる場合）。復号器の基本的な仕事は、単一の入力信号から二つの出力信号を生成することである。これら出力信号は、IPD変数を満たさなければならない。これは、単一の入力信号を二つの出力信号にコピーし、出力信号の位相を個々に変更することによって実行されうる。チャネル間のIPDの対称な分配を仮定すると、これは左の出力チャネルが+IPD/2だけ変更され、一方で右の出力チャネルは-IPD/2だけ位相回転されることを示す。しかし、このアプローチは、時間tで生じる位相急転によって引き起こされた、明らかに聞こえる人為的影響をもたらす。これは、図２を参照して理解されうる。図２は、ある時刻t-、即ち位相急転の発生直前、及びt+、即ち位相急転の直後で、左右のチャネルに存在する位相変化を示す。モノラル入力信号に関する位相変化は、複雑なベクトルとして示されている（即ち、出力及び入力の信号間の角度は、夫々の出力チャネルの位相変化を表現する）。

時間tでの位相急転の直前及び直後の出力信号間に、大きな位相不一致があることがわかる。即ち、夫々の出力チャネルはほぼπradだけ回転される。出力の連続したフレームが重複加算によって結合される場合、位相急転の直前及び直後の出力信号の重複部分はお互いに打ち消し合う。これは、出力でクリック様の人為的影響をもたらす。これら人為的影響は、IPD変数が2πの期間で周期的であるので生じる。しかし、IPDがチャネル間で分けられる場合、夫々の個々の信号の位相変化は、2πより小さい期間で周期的になる（IPDが左右対称に分けられる場合、位相変化はπの周期で周期的になる）。従って、夫々のチャネルでの位相変化の実際の期間は、チャネル間のIPDの分配方法に依存する。しかし、それが2π以下の場合には、復号器での重複加算の問題が生じる。

上記の例は夫々単純な場合であるが、我々は、複雑な信号（同じ位相変更周波数帯域内での更なる周波数成分、及び、時間に渡るIPD変数の更に複雑な挙動を有する）に関して、出力チャネル間の正確なIPD分配を求めることが非常に困難であることを見つけている。

符号器において、チャネル間でIPDを分配する方法を特定する情報が利用可能である。故に、本発明の目的は、符号化された信号のサイズを著しく増大させずに、符号化された信号でのこの情報を保つことである。

この目的を達成するために、本発明は、この明細書の独立した請求項で記載されている符号器及び関連するものを提供する。

チャネル間の時間差（ITD）又は位相差（IPD）は、二つの入力チャネル間の夫々の時間シフトに基づく。他方で、全体の時間シフト（OTD）又は位相シフト（OPD）は、完全に符号化されたモノラル出力と入力信号の一つとの間の最良に一致した遅延（又は位相）によって決められる。故に、符号器でOTD（OPD）を分析し、その値を変数ビットストリームに加えることは都合が良い。

この時間差符号化の利点は、OTD（OPD）が、聴覚システムが全体の位相変化に対して比較的鈍感であるので（両耳性の聴覚システムはITD変化に対して非常に敏感であるが）、非常に少ないビットのみで符号化される必要があることである。

上記で扱われている問題に対して、OPDは図３で示されるような挙動を有する。

ここで、OPDは、時間に渡って左チャネルの位相変化を基本的に記述する。一方で、右チャネルの位相変化はOPD(t)-IPD(t)によって与えられる。両変数（OPD及びIPD）は2πの期間で周期的であるから、結果として生じる、独立した出力チャネルの位相変化も2πの期間で周期的となる。従って、結果として生じる、時間に渡る両出力チャネルの位相変化は、入力信号に存在しなかった位相の不連続を示さない。

この例において注目すべきは、OPDは左チャネルの位相変化を表わす一方で、それに続いて右チャネルはIPDを用いて左チャネルから導き出されることである。これら変数の他の線形結合は、原則的には変換に使用されうる。自明な例では、OPDで右チャネルの位相変化を表わし、OPD及びIPDを用いて左チャネルの位相変化を導き出す。本発明の重大な成果は、一組の時間変化する合成フィルタを能率的に表わすことであり、出力チャネル間の位相差は一つの（高価な）変数で表わされ、位相差の補正値は他の（ずっと安価な）変数で表わされる。

本発明の実施例を、例によって、且つ、添付の図を参照して、詳細に記述する。

本発明の実施例での空間変数発生段階は、三つの信号をその入力として取る。これら信号の最初の二つは、L及びRと表わされ、ステレオ方式の組の左右のチャネルに相当する。チャネルの夫々は、この技術分野では従来方式であるように、例えば、フィルタ・バンク又は周波数変換を用いて、複数の時間―周波数タイルに分けられる。符号器への更なる入力は、他の信号L、Rの合計であるモノラル信号Sである。この信号Sは、他の信号L及びRのモノラル結合であり、他の入力信号と同じ時間―周波数分離を有する。符号器の出力は、ビットストリームを復号する際に復号器によって使用される空間変数と共に、モノラル音声信号Sを含むビットストリームである。

次に、符号器は、LとRの入力信号間の時間的ずれを決めることによって、通信チャネル間の時間差（ITD）を計算する。この時間的ずれは、入力信号L(t,f)及びR(t,f)の対応する時間／周波数タイル間の相互相関関数での最大に相当する。即ち、以下の式
ITD＝arg(max(ρ(L,R)))
の通りである。ここで、ρ(L,R)は、入力信号L(t,f)とR(t,f)との間の相互相関関数を表わす。

全体の時間シフト（OTD）は、二つの異なった方法で、即ち、総和信号Sと左の入力信号Lとの間の時間差として、又は総和信号Sと右の入力信号Rとの間の時間差として定義される。更に強い（即ち、更に高いエネルギー）入力信号に関してOTDを測定することが好都合である。即ち、
|L|＞|R|の場合、
OTD＝arg(max(ρ(L,S)))
又は、OTD＝arg(max(ρ(R,S)))
が成り立つ。

OTD値は、その後、量子化され、ビットストリームに加えられうる。約π/8ラジアンの量子化誤差が許容されることが知られている。これは、ITD値に許容される誤差と比較して、相対的に大きな量子化誤差である。従って、空間変数のビットストリームは、ILD、ITD、OTD、及び幾つか又は全ての周波数帯に対する相関値を含む。ここで留意すべきは、ITD値が伝送されるそれら周波数帯に対してのみ、OTDが必要であることである。

復号器は、ITD、OTD及びILDに基づく出力チャネルの必要な位相変化を決定し、結果として、左チャネル及び右チャネルの時間シフト（TSL及びTSR）を生じる。即ち、以下の通りである。

ILD＞0（即ち、|L|＞|R|）の場合、
TSL＝OTD
TSR＝OTD−ITD
又は、
TSL＝OTD＋ITD
TSR＝OTD
完全な音声符号器は、一般的に、入力として二つのアナログの時間変化する音声周波数信号を取り、これら信号をデジタル化し、モノラルの総和信号を発生し、次に、符号化されたモノラル信号及び空間変数を有する出力ビットストリームを発生することが理解される。（あるいは、入力は二つのすでにデジタル化された信号から導き出されても良い。）当業者は、下記の大半が既知の技術で容易に実施可能であると分かるであろう。

一般的に、符号器10は、入ってくる夫々の信号（L,R）をサブバンド信号16（望ましくは、周波数で増大するバンド幅を有する）に分ける夫々の変換モジュール20を有する。好ましい実施例において、モジュール20は、時間／周波数スライシングを実行するために、変換動作によって後に続かれる時間窓関数を使用する。しかし、時間連続方法もまた使用されうる（例えば、フィルタ・バンク）。

総和信号12の決定及び変数14の抽出に対する次のステップは、分析モジュール18内で実行され、
対応するサブバンド信号16のレベル差（ILD）を検出し、
対応するサブバンド信号16の時間差（ITD又はIPD）を検出し、
ILD又はITDによって明らかにされ得ない波形の類似性又は非類似性の度合いを表わす。

ILDは、例えば所定の周波数帯域に対する特定の時間での信号のレベル差によって決められる。ILDを決定する一つの方法は、両方の入力チャネルの対応する周波数帯域のrms値を測定し、これらのrms値の比率（望ましくは、dBで表わされる）を計算することである。

ITDは、両方のチャネルの波形間の最良の一致を与える時間又は位相の整列によって決められる。ITDを得る一つの方法は、二つの対応するサブバンド間の相互相関関数を計算し、最大を求めることである。相互相関関数でのこの最大に対応する遅延が、ITD値として使用されうる。

第二の方法は、左右のサブバンドの分析信号を計算し（即ち、位相及び包絡値を計算すること）、チャネル間の位相差をIPD値として使用することである。ここで、複雑なフィルタバンク（例えば、FFT）が使用され、特定のビン（周波数領域）を見ることによって、位相関数が時間に渡って導き出されうる。左右両チャネルに対してこれを行うことによって、位相差IPD（相互相関にある二つのフィルタをかけられた信号よりむしろ）が見積もられうる。

相関は、対応するサブバンド信号間の最良の一致を与えるILD及びITDを最初に検出し、続いて、ITD及び／又はILDに対する補償後の波形の類似性を測定することによって得られる。従って、この枠組みにおいて、相関は、ILD及び／又はITDに帰属されうる対応するサブバンド信号の類似性又は非類似性として定義される。この変数に対する適切な指標は、コヒーレンスである。これは、一連の遅延間の相互相関関数の最大値である。しかし、他の指標、例えば、対応するサブバンドの総和信号と比較される（望ましくは、ILD及び／又はITDに対しても比較される）ILD及び／又はITDの補償後の差分信号の夫々のエネルギーも使用されうる。この差分信号は、基本的には（最大）相関の線形変換である。

変数の変換に関する重要な問題は、変数表示の正確さ（即ち、量子化誤差のサイズ）であり、必要な変換能力及び音声品質に直接的に関わる。この段落では、空間変数の量子化に関する幾つかの問題について検討する。基本的な考えは、空間的合図の所謂最小弁別値（JND）での量子化誤差を基にすることである。更に述べると、量子化誤差は、変数で変化する人間の聴覚システムの感度によって決められる。変数で変化する感度が変数自体の値に強く依存することはよく知られるので、以下の方法は離散的な量子化ステップを決定するために適用される。

ILDで変化する感度がILD自体に依存することは、音響心理学の研究から知られる。ILDがdBで表わされる場合、0dBの基準からの約1dBの偏差を検出することが可能である。一方で、約3dBの変化は、基準レベル差が20dBである場合に必要とされる。従って、量子化誤差は、左右のチャネルの信号が更に大きなレベル差を有する場合、更に大きくなりうる。例えば、これは、チャネル間のレベルを最初に測定することによって適用されうる。この測定は、得られたレベル差の非線形（圧縮）変換、及びそれに続く線形量子化処理によって、あるいは、非線形分配を有する有効なILD値に関する参照テーブルの使用によって後に続かれる。好ましい実施例において、ILD（単位dB）は、以下の集合I、
I＝[-19 -16 -13 -10 -8 -6 -4 -2 0 2 4 6 8 10 13 16 19]
の範囲外の最接近値に量子化される。

人間の対象のITDで変化する感度は、一定の位相閾値を有することを特徴とする。これは、遅延時間に関して、ITDの量子化ステップが周波数で減少するはずであることを意味する。あるいは、ITDが位相差の形で表わされる場合、量子化ステップは周波数から独立である。これを実施する一つの方法は、量子化ステップとして一定の位相差を取り、夫々の周波数帯域に対する対応する時間遅延を決定することである。このITD値は、その時、量子化ステップとして使用される。好ましい実施例において、ITD量子化ステップは、0.1ラジアン（rad）の夫々のサブバンドでの一定の位相差によって決定される。従って、夫々のサブバンドに関して、サブバンドの中間周波数の0.1radに対応する時間差が、量子化ステップとして使用される。

他の方法は、周波数に依存しない量子化の考えに従う位相差を伝送することである。特定の周波数を越えると、人間の聴覚システムは、微細構造の波形でITDに対して感度が良くないことも知られる。この現象は、特定の周波数（一般的に2kHz）までのITD変数の伝送によってのみ活用されうる。

ビットストリーム減少に関する第三の方法は、同じサブバンドのILD及び／又は相関変数に依存するITD量子化ステップを組み込むことである。大きなILDに対して、ITDは、更に不正確に符号化される。更に、相関が非常に低い場合、ITDで変化する人間の感度が下がることが知られる。従って、更に大きなITD量子化誤差は、相関が小さい場合に適用されても良い。この考えの極端な例は、相関が特定の閾値以下である場合、全くITDを伝送しないことである。

相関の量子化誤差は、（1）相関値自体、更に場合によっては（2）ILDに依存する。+1に近い相関値は、高い精度（即ち、小さい量子化ステップ）で符号化され、一方で、0に近い相関値は、低い精度（大きな量子化ステップ）で符号化される。好ましい実施例において、一連の非線形に分配された相関値は、以下の集合R、
R＝[1 0.95 0.9 0.82 0.75 0.6 0.3 0]
の最接近値に量子化され、これは相関値毎に他に3ビットを要する。

現在のサブバンドの（量子化された）ILDの絶対値が19dBである場合、ITD値及び相関値はこのサブバンドに対して伝送されない。特定のサブバンドの（量子化された）相関値が零である場合、ITD値はそのサブバンドに対して伝送されない。

この方法で、夫々のフレームは、空間変数を伝送するために最大233ビットを必要とする。1024個のサンプルの更新フレーム長さ及び44.1kHzのサンプリングレートで、伝送の最大ビットレートは、10.25kbit/s（233×44100／1024＝10.034kbit/s）以下である。（注目すべきは、エントロピー符号化又は微分符号化を用いると、このビットレートが更に低減されうることである。）
第二の可能性は、同じサブバンドの測定されたILDに依存する相関に対して、量子化ステップを使用することである。即ち、大きなILD（即ち、一つのチャネルはエネルギーに関して支配的である）に対して、相関での量子化誤差は大きくなる。この原理の極端な例は、特定のサブバンドに対して、そのサブバンドに対するILDの絶対値が特定の閾値を超える場合、相関値を全く伝送しないことである。

図４を参照して、更に詳細には、モジュール20で、左右の入力信号が様々な時間フレームに分けられ（44.1kHzのサンプリングレートで2048個のサンプル）、平方根ハニング窓で分けられる。その後、FFTが計算される。負のFFT周波数は切り捨てられ、結果として得られるFFTは、FFTビンのグループ又はサブバンド16に再分割される。サブバンドgで結合されるFFTビンの数は、周波数に依存する。即ち、更に高い周波数で、更に多くのビンが、更に低い周波数で結合される。本実施において、約1.8ERBに対応するFFTビンが集められ、結果として完全な可聴周波数範囲に相当する20個のサブバンドを生じる。夫々の後続のサブバンド（最も低い周波数での始まる）のFFTビンS[g]の結果として得られる数は、
S＝[4 4 4 5 6 8 9 12 13 17 21 25 30 38 45 55 68 82 100 477]
である。

従って、最初の三つのサブバンドは4FFTビンを有し、第四のサブバンドは5FFTビンを有し、以下同様となる。夫々のサブバンドに関して、分析モジュール18は、対応するILD、ITD、及び相関（r）を計算する。ITD及び相関は、他のグループに属する全てのFFTビンを設定することによって単純に零に計算され、左右のチャネルから結果として生じる（帯域制限された）FFTを増加し、後に逆FFT変換が続く。結果として生じる相互相関関数は、-64から+63のサンプル間の通信チャネル間の遅延において最高点を読み取られる。最高点に対応する内部の遅延は、ITD値として使用され、この最高点での相互相関関数の値は、このサブバンドの内耳相関として使用される。最後に、ILDは、夫々のサブバンドに対する左右のチャネルの出力比を取ることによって、単純に計算される。

分析器18は総和信号発生器17を有する。総和信号発生器は、入力信号の平均である総和信号を発生する。（他の実施例において、例えば、位相補償を含めて、付加的な処理が総和信号の発生で実行されても良い。必要ならば、総和信号は、（1）負の周波数での複雑な結合の挿入、（2）逆FFT、（3）窓関数、及び（4）重複加算によって時間領域に変換されうる。）
上述のように、時間及び／又は周波数領域での総和信号12の表現を考えると、信号は幾つかの従来方法で、ビットストリーム50のモノラル層40で符号化されうる。例えば、MP3符号器は、ビットストリームのモノラル層40を発生するために使用されうる。このような符号器が入力信号での急速な変化を検出する時、それは、その一部分の入力信号を符号化する際の時間及び／又は周波数の局在性を改善するように、特定の時間期間に対して用いる窓長さを変化しうる。窓切り替えフラグは、その時、後に信号を合成する復号器にこの切り替えを指示するために、ビットストリームに埋め込まれる。

しかし、好ましい実施例において、WO01/69593-a1で記述されている方式の正弦波符号器30は、モノラル層40を発生するために使用される。符号器30は、過渡符号器11、正弦波符号器13及び雑音符号器15を有する。過渡符号器は、この実施例に含まれる任意の機能である。

信号12が過渡符号器11に入る時、夫々の更新間隔に関して、符号器は、分析窓の中で過渡的な信号成分及びその位置（サンプル精度に対して）がある場合に測定する。過渡的な信号成分の位置が決められると、符号器11は、過渡的な信号成分（の主な部分）を抽出しようとする。それは、例えば、多くの（少数の）正弦波成分を用いることによって望ましくは測定された開始位置で始まる信号区分に対する形状関数に整合し、形状関数の下の内容を決定する。この情報は、過渡符号CTに含まれる。

過渡成分より小さい総和信号12は、正弦波符号器13に供給され、（決定的な）正弦波成分を決定するように分析される。要するに、正弦波符号器は、一つのフレーム区分から次まで結合される正弦波成分のトラックとして入力信号を符号化する。トラックは、所定の区分での正弦波開始、即ち起源に対して、開始周波数、開始振幅及び開始位相によって最初に表わされる。その後、トラックは、トラックが終わる区分（消滅）まで（断続的に）、周波数差分、振幅差分、更に場合によっては位相差によって、後の区分で表わされる。この情報は、正弦波符号CSに含まれる。

過渡及び正弦波の両成分より小さい信号は、主に雑音から成るとみなされ。好ましい実施例の雑音分析器15は、この雑音の雑音符号CN表現を発生する。一般的に、例えば、WO01/89086-A1で見られるように、雑音のスペクトラムは、等価長方形帯域幅（ERB、イクイバレント・リクタングラー・バンドワイドス）スケールに従って、組み合わされたAR（自己回帰）MA（移動平均）フィルタ変数（pi、qi）を有する雑音符号器によってモデル化される。復号器において、フィルタ変数は、主にフィルタである雑音合成器に入力され、雑音のスペクラムを近似する周波数応答を有する。合成器は、ARMAフィルタ変数（pi、qi）を有するホワイトノイズ信号をフィルタに通すことによって再構成された雑音を発生し、続いて、元の総和信号の推定値を発生するために、再構成された雑音を合成された過渡及び正弦波信号に加える。

マルチプレクサ41は、長さ16msの重なり時間区分を表わし、8ms毎に更新される図６のフレーム42に分割されるモノラル音声信号を発生する。夫々のフレームは、夫々の符号CN、CS及びCNを有する。復号器において、連続するフレームの符号は、モノラル総和信号の合成の際に、それらの重なり領域で混合される。本実施例において、夫々のフレームは一つの過渡的な符号CTまでを単に有すれば良いことが想定され、このような過渡信号の一例は数表示44によって示される。

更に、分析器18は、空間変数層発生器19を有する。この構成要素は、上述のように、夫々の空間変数フレームに対して、空間変数の量子化を実行する。一般的に、発生器19は、夫々の空間層チャネル14をフレーム46に分ける。このフレームは、図６のように、長さ64msの重なり時間区分を表わし、32ms毎に更新される。夫々のフレームはILD、ITD、OTD及び相関値（ｒ）を有する。復号器において、連続するフレームの値は、信号を合成する際の如何なる所定の時間に対しても空間層変数を決定するために、それらの重なり領域で混合される。

好ましい実施例において、モノラル層40での過渡符号器11によって（又は、総和信号12で対応する分析器モジュールによって）検出される過渡位置は、空間変数層14での非均一な時間区分が必要とされるかどうかを決定するように、発生器19によって使用される。符号器がモノラル層を発生するためにMP3符号器を使用している場合、モノラルストリームにおける窓切り替えフラグの存在は、過渡位置の推定値として発生器によって使用される。

最後に、モノラル40及び空間表現14の層が発生するとすぐに、それらはマルチプレクサ43によってビットストリーム50に書き込まれる。この音声ストリーム50は、例えば、データバス、アンテナシステム、記憶媒体等に供給される。

図５を参照すると、上述されている符号器を組みわせて使用される復号器60は、入ってくる音声ストリーム50をモノラル層40’、更にこの場合は単一の空間表現層14’に分けるデマルチプレクサ62を有する。モノラル層40’は、符号器に対応する従来型の合成器64によって読み込まれる。符号器は、元の総和信号12’の時間領域の推定値を供給するための層を発生する。

次に、デマルチプレクサ62によって抽出された空間変数14’は、左右の出力信号を発生するために、後処理モジュール66によって総和信号12’に適用される。好ましい実施例の後処理装置はまた、この信号での過渡位置を決めるモノラル層14’の情報を読み込み、それらを適切に処理する。これは、当然のことながら、このような過渡が信号で符号化されるような場合だけである。（あるいは、合成器64はこのような命令を後処理装置に供給しうるが、これは、別な方式の従来型の合成器64の多少の変更を必要とする。）
後処理装置66において、上述された総和信号12’の周波数領域表現は、処理に利用可能であることが推測される。この表現は、合成器64によって発生した時間領域波形の窓関数及びFFT動作によって得られても良い。次に、総和信号は、左右の出力信号経路にコピーされる。その後、左右の信号間の相関は、非相関器69’で変更され、69”は変数rを使用する。

その後、夫々の段階70’、70”において、左信号の夫々のサブバンドは値TSLによって遅らされ、右信号は、サブバンドに対応するビットストリームから抽出されるOTD及びITDの値から与えられる（量子化される）TSRによって遅らされる。TSL及びTSRは、上記で与えられた公式によって計算される。最後に、左右のサブバンドは、夫々の段階71’、71”でのそのサブバンドに対するILDによって見積もられる。次に、夫々の変換段階72’、72”は、以下のステップ、（1）負の周波数での複雑な結合の挿入、（2）逆FFT、（3）窓関数、及び（4）重複加算を実行することによって、出力信号を時間領域に変換する。

上述の符号化の考えの代わりとして、位相差が符号化されうるような方法が他にも多数ある。例えば、変数は、ITD及び特定の分配基調、例えばxを有しても良い。次に、左チャネルの位相変化は、x＊ITDとして符号化される一方で、右チャネルの位相変化は、（1-x）＊ITDとして符号化される。明らかに、他の多数の符号化の考えが、本発明の実施例を実施するために使用されうる。

本発明は、専用のハードウェア、DSP（デジタル信号処理装置）でのソフトウェアの実行、又は汎用コンピュータにおいて実施されうることが分かる。本発明は、本発明による符号化方法を実行するためのコンピュータプログラムを有するCD-ROM又はDVD-ROMのような具体的な媒体で具現化される。本発明はまた、インターネットのようなデータネットワーク上で伝送される信号、又は放送サービスによって伝送される信号として実施されうる。本発明は、インターネット・ダウンロード、インターネット・ラジオ、ソリッドステート・オーディオ（SSA）、例えばMP3PRO、CT-aacPlusのような帯域幅拡張の考え、及びほとんどの音声符号化の考えの分野において特定の用途を有する。

時間に渡って線形に増加するIPDの効果を図解する。 IPD変数での（t-，left panel）位相急転直前、及び（t+，right panel）位相急転直後の入力チャネルに関して、出力チャネルL及びRの位相変化を図解する。 IPDが線形に増加している場合のOPD変数を図解する。 本発明を具現化する符号器のハードウェアブロック図を示す。 本発明を具現化する復号器のハードウェアブロック図を示す。 モノラル信号の夫々のサブフレーム及び多重チャネル層の対応するフレームにおいて符号化された過渡位置を示す。

Claims (16)

1. 少なくとも二つの音声入力チャネルからモノラル信号を発生し、
   該モノラル信号、及び、夫々の入力チャネルに夫々対応する二つの音声出力信号の再生を可能にする一連の変数を有する符号化された信号を発生する、音声信号の符号化方法であって、
   該変数は全体シフトの指示を有し、これは、符号化されたモノラル出力信号と入力信号の一つとの間の遅延の量であることを特徴とする方法。
2. 伝送に関して、該全体シフト及び通信チャネル間の位相差又は時間差の一次結合が使用されることを特徴とする、請求項１記載の方法。
3. 前記全体シフトは、全体の時間シフトであることを特徴とする、請求項１記載の方法。
4. 前記全体シフトは、全体の位相シフトであることを特徴とする、請求項１記載の方法。
5. 前記全体シフトは、前記完全に符号化されたモノラル出力信号と前記入力信号の一つとの間の最も良く整合している遅延（又は位相）によって決められることを特徴とする、請求項１記載の方法。
6. 該最も良く整合している遅延は、前記入力信号の対応する時間／周波数タイル間の相互相関での最大に対応することを特徴とする、請求項５記載の方法。
7. 前記全体シフトは、更に大きな振幅の前記入力信号に関して計算されることを特徴とする、請求項１記載の方法。
8. 前記位相差は、前記全体シフトよりも少ない量子化誤差で符号化されることを特徴とする、請求項１記載の方法。
9. 少なくとも二つの音声入力チャネルからモノラル信号を発生する手段と、
   該モノラル信号、及び、夫々の入力チャネルに夫々対応する二つの音声出力信号の再生を可能にする変数を有する、符号化された信号を発生する手段とを有する音声信号を符号化する符号器であって、
   該変数は全体シフトの指示を有し、これは、符号化されたモノラル出力信号と入力信号の一つとの間の遅延の量であることを特徴とする符号器。
10. 音声信号を受信する入力と、
    符号化された音声信号を得るために、音声信号を符号化する請求項９による符号器と、
    該符号化された音声信号を供給する出力とを有する、音声信号供給装置。
11. 少なくとも二つの音声入力チャネルから伝送されるモノラル信号と、
    該モノラル信号、及び、夫々の入力チャネルに夫々対応する二つの音声出力の再生を可能にする変数を有する符号化された信号とを有する符号化された音声信号であって、
    該変数は全体シフトの指示を有し、これは、符号化されたモノラル出力信号と入力信号との間の遅延の量であることを特徴とする音声信号。
12. 伝送に関して、該全体シフト及び通信チャネル間の位相差又は時間差の一次結合が使用されることを特徴とする、請求項１１記載の符号化された音声信号。
13. 符号化されたモノラル信号及び空間変数を有する符号化された音声信号の復号し、入力信号からモノラル信号及び一連の空間変数を得る方法であって、
    該符号化された信号は、符号化されたモノラル出力信号と該入力信号の一つとの間の遅延の量である全体シフトを表わす変数を有し、
    該変数によって指定される間隔によって、時間及び位相での出力音声信号の補正値のステレオ方式の組を更に発生することを特徴とする方法。
14. 符号化されたモノラル信号及び空間変数を有する符号化された音声信号を復号し、入力信号からモノラル信号及び一連の空間変数を得る手段を有する復号器であって、
    該符号化された信号は、符号化されたモノラル出力信号と前記符号器への該入力信号の一つとの間の遅延の量である全体シフトを表わす変数を有し、
    該変数によって指定された間隔によって、時間及び移送での出力音声信号の補正値のステレオ方式の組を発生する手段を更に有することを特徴とする復号器。
15. 該全体シフトは、該全体シフト及び通信チャネル間の位相差又は時間差の一次結合から得られ、伝送に対して使用されることを特徴とする請求項１４記載の復号器。
16. 符号化された音声信号を受信する入力と、
    多重チャネルの出力信号を得るために、該符号化された音声信号を復号する請求項１４記載の復号器と、
    多重チャネルの出力信号を供給又は再生する出力とを有する、復号化された音声信号を供給する装置。

Images