JP4940308B2 - リセットを用いるオーディオダイナミクス処理 - Google Patents

Description

本発明はオーディオ信号処理に関する。さらに詳細には、リセット機構又はリセットプロセスを用いてオーディオ信号のコンテンツを迅速に変更するようにしたオーディオダイナミクスプロセッサ又はオーディオダイナミクス処理方法に関する。リセット信号はオーディオ信号自信を分析することにより生成されることがあり、また、リセットは、テレビジョンセットのチャンネルの切り替えや、オーディオ／ビジュアル受信器の入力選択の変更がトリガーとなることがある。外部トリガーによる場合、現行のオーディオ源に対するダイナミクスプロセッサの状態を示す１以上の表示を、保存し、新たなオーディオ源に切り替える前に現行のオーディオ源と関連づける。そして、システムが最初のオーディオ源に切り替えた場合は、ダイナミクスプロセッサを、先に保存した状態、又はそれに近似する状態にリセットすることができる。この発明はまた、このような方法を実行するコンピュータプログラム又はこのような装置を制御するコンピュータプログラムに関する。

オーディオダイナミクス処理の目的は、オーディオ信号のレベル又はダイナミクスを好ましい限度内で変更することである。これは一般に、オーディオ信号のレベル（例えば、ｒｍｓレベル又はピークレベル）の時間変化の指標を作り、レベル推定値の関数である、時間変化する信号修正（例えば、ゲイン変更）を計算し適用することにより、実行される。ダイナミクスプロセッサは、自動ゲイン制御（ＡＧＣｓ）、ダイナミックレンジ制御（ＤＲＣｓ）、エキスパンダ、リミッタ、ノイズゲート、等を含むような操作モードを採用する。様々な形式のダイナミクスプロセッサが、Alan Jeffrey Seefeldtによる国際特許出願ＰＣＴ／ＵＳ２００５／０３８５７９、２００６年５月４日ＷＯ２００６／０４７６００として公開、に開示されている。この出願は米国を指定国としている。この出願はそのすべてを参照として本願に組み込まれる。

図１は、一般的なオーディオダイナミクスプロセッサのハイレベルブロック図である。プロセッサは、上の「信号」経路２と下の「制御」経路４の２つの経路を持つと考えることができる。下の経路で、ダイナミクス制御処理又はダイナミクス制御装置（「ダイナミクス制御」）６は、オーディオ信号のレベルを計測し、レベル指標の関数として１以上の時間変化する修正パラメータを生成する。図示の通り、修正パラメータは入力オーディオ信号から導き出される。代替的に、修正パラメータを処理済みの（出力）オーディオから、又は、入力オーディオ信号と出力オーディオ信号とを組み合わせたものから導き出すこともできる。上のオーディオ経路２において、ダイナミクス制御６により生成された修正パラメータをオーディオに適用して処理済のオーディオを生成する。オーディオ信号への修正パラメータの適用は、既知の多くの方法で実施され、一般に乗算記号８で表される。例えば、単純な自動ゲイン制御装置又は自動ゲイン制御処理の場合、主経路中の可変ゲイン／ロス装置又は可変ゲイン／ロス処理のゲインを制御する広帯域ゲイン修正パラメータを用いることができる。実際には、ダイナミクス制御処理において、修正パラメータの計算に関する時間遅れを補償するために、修正パラメータの適用にあらかじめ時間遅れを持たせることができる。説明を簡単にするために、ここでは、図１その他の図には時間遅れを記載していない。

ダイナミクス制御処理において、信号レベルの指標と導き出された修正パラメータとは両方とも、時間経過に対して連続的に計算されるのが一般的である。加えて、信号レベルの指標と修正パラメータの一方又は両方は、一般に、可聴なアーティファクトが処理済のオーディオに入り込無のを最小限にするために、時間に対して平滑化される。平滑化は、信号レベルが増大するときには比較的速く、信号レベルが減少するときにはそれより遅く、修正パラメータを変化させることを意味する、「ファストアタック」及び「スローリリース」を用いて行われることが非常に多い。このような平滑化は、自然なサウンドのダイナミクスに従っており、時間の経過に伴う音量の変化を人が感知する方式である。その結果そのような平滑化は、オーディオダイナミクスプロセッサでほぼ汎用的になっている。

ダイナミクス処理の適用においては、このような平滑化における時定数は、非常に大きくなり、１秒以上となることがある。例えば、あるＡＧＣでは、大きな時定数を用いて信号の長期平均レベルの推定値を計算し、その推定値を用いて、そのオーディオの平均レベルを望ましい目標レベルに近づけるような、徐々に変化する修正パラメータを生成する。この場合、オーディオ信号の短期ダイナミクスを保存するために、大きな時定数が望ましいことになる。プログラムを通して、また、種々のチャンネルを通して平均レベルを一定に保つために、テレビジョンセットのオーディオに、このようなＡＧＣが用いられると仮定する。かかる状況において、例えば、チャンネルを切り替えたとき、ＡＧＣにより処理済のオーディオ信号のコンテンツが突然変化して不連続点を持ち、関連するオーディオ信号の平均レベルも突然変化して不連続点を持つことがある。しかしながら、ＡＧＣは大きな時定数を持つため、新しいレベルに収束させ、望ましい目標レベルに一致するよう処理済のオーディオのレベルを修正するのに非常に時間がかかってしまう。そのような修正時間中、テレビジョンの視聴者は、オーディオのレベルが大きすぎる、あるいは小さすぎると感じることがある。その結果、視聴者が、リモートコントロールにさっと手を伸ばし、音量を制御することで、値を収束させようとしているＡＧＣと競合してしまうことがある。

先に記載した一般的な先行技術におけるこの問題の解決手段は、信号のダイナミクスに基づき変化する時定数を用いることを必要とする。例えば、平滑化されたレベル近傍の閾値で定義される平滑化レベルに比べて、信号の短期レベルが顕著に大きいか又は小さい場合、それぞれ、短期レベルが、平滑化されたレベル近傍の閾値以内に落ち着くまで、速いアタック及び／又はリリース時定数に、平滑化操作を切り替える。その後、システムはもとの遅い時定数に切り替わる。このようなシステムではＡＧＣの対応時間を減少させることができるが、閾値及び小さい時定数を注意深く選ばなければならない。一般に、どのような閾値に対しても、元の望ましい信号ダイナミクスが平均レベルの近傍の閾値からはみ出すような信号が存在し、そのため、平滑化処理を不適切に速いアタックモード又は速いリリースモードに切替えてしまうことがある。このような不適切な切替がしばしば生じるために、速いアタックモード又は速いリリースモードにおける時定数は、正常なプログラム素材においてＡＧＣが不安定になるのを避けるために、小さすぎる値を選ぶことはできない。その結果、オーディオコンテンツにおける急激な変化又は不連続点があるとき、必要とされる速さでＡＧＣは収束することができない。

それゆえに、オーディオコンテンツの変化にダイナミクス処理を適応させるときの問題をうまく解決することが本発明の目的となる。

本発明の１つの特徴によれば、オーディオ信号を処理するための装置（又はこの方法を実施する装置）は、ダイナミクス制御処理に従いオーディオ信号のダイナミクスを変化させるステップと、該オーディオ信号のコンテンツの変化を検出するステップと、このような変化の検出に応答してダイナミクス制御処理をリセットするステップとを具備する。オーディオ信号のコンテンツの変化を検出するステップには、（１）第１の時間閾値ｔ_silenceより短くない期間中、オーディオ信号のレベルが閾値Ｌ_silence以下になっているような時間経過に伴う変動が、オーディオ信号に生じるのを検出するステップ、及び（２）第２の時間閾値ｔ_dropより長くない時間区間内で、オーディオ信号のレベルが偏差閾値Ｌ_dropより大きく減少するような時間経過に伴う変動が、オーディオ信号に生じるのを検出するステップのいずれか一方又は両方を含むことができる。

本発明の他の特徴によれば、オーディオ信号を処理するための装置（又はこの方法を実施する装置）は、ダイナミクス制御処理に従いオーディオ信号のダイナミクスを変化させるステップと、該オーディオ信号の変化を表す外部から提供されたリセットトリガー信号を受け取るステップと、リセットトリガー信号に応答してダイナミクス制御処理をリセットするステップとを具備する。リセットトリガー信号は、（１）ユーザのチャンネル切り替え行為、（２）ユーザの入力源切替え行為、（３）ユーザによる、再生、巻戻し、先送りの切り替え行為、（４）１つのファイルから他のファイルへの切り替え、（５）プログラムの変更、（６）オーディオ コーディングフォーマットの切り替え、及び（７）コーディングパラメータの変更、のうちの１つ以上を表すことができる。

上記特徴のいずれかによれば、ダイナミクス制御処理をリセットするステップにより、ダイナミクス処理が入力信号に適応する速さをスピードアップさせることができる。ダイナミクス制御処理をリセットするステップでは、このような１以上の処理制御パラメータ値又は、１以上の処理制御パラメータがその関数となるような信号を、保存された値又は初期設定値に設定することができる。ダイナミクス制御処理をリセットするステップにより、このような１以上の処理制御パラメータがその関数となるような１以上の処理制御パラメータ又は信号を決定する段階で採用される１以上の時定数の値を小さくすることができる。

上述の適応時定数による方法はオーディオダイナミクスプロセッサ又はオーディオダイナミクス処理の適応時間を減少させる上で何らかの助けになり、本発明の構成と一緒に用いることができるかも知れないが、このようなスプロセッサ又は処理は、処理すべきオーディオ信号のコンテンツにおいて急激な変化や不連続点が生じたとき動作する明確なリセット機構又はリセット処理により増強することにより、大きく改善することができる。図２は、さらなるリセット経路、すなわちリセット制御経路１０を図１の一般的なダイナミクスプロセッサに加えた、一般的な形態の本発明を示している。リセット制御機構又はリセット制御処理（「リセット制御」）は、オーディオ信号自身（入力オーディオ信号又は入力オーディオ信号と出力オーディオ信号の組み合わせ）と外部トリガー信号のどちらか一方又は両方に応答することができる。従って、３つの構成が可能となる。すなわち、（１）オーディオ信号自身（これは言い換えると、入力オーディオ信号又は入力オーディオ信号と出力オーディオ信号の組み合わせにより構成することができる）、（２）外部トリガー信号、及び（３）オーディオ信号自身と外部トリガー信号の両方、が可能となる。リセット制御１２によりリセットすべきとの決定がなされた場合、リセット制御機構又はリセット制御処理により、リセットメッセージがダイナミクス制御６に送られ、次に来るオーディオ信号の新しいレベルに、オーディオダイナミクス処理が速く適応できるような方法で、そのダイナミクス制御の状態の性状をリセットするよう指示を与える。ダイナミクス制御の状態の性状を設定するのは、例えば、（１）１以上の時定数を、短期間に小さい値に設定する（これにより、オーディオ処理の適応速さをスピードアップさせる）及び／又は（２）平滑化したオーディオ信号レベルの程度、又は１以上の修正パラメータを、保存されている値又は平均値又は初期値に設定することができる。

（信号コンテンツ中の急激な変化や不連続点が生じたことを判断するためのオーディオ信号の分析）
リセットの判断は、多くの方法、例えば、入ってくるオーディオ信号自身又は外部からのリセットトリガー信号を分析することにより、開始することができる。オーディオ信号の分析において、リセット制御１２は、コンテンツ中の急激な変化や不連続点を示す信号の状態を検出しようと試みる。一定程度の確かさでこのような状態を検出すると、リセット制御１２は、リセットすることを決定し、ダイナミクス制御６に、そのダイナミクス制御状態の１つ以上の特性をリセットするよう指令する。信号コンテンツ中の急激な変化や不連続点を検出するために種々の技術を用いることができるが、以下に、そのための２つの実際的で効果的な実施例について説明する。

（信号コンテンツ中に急激な変化又は不連続点が生じたことを判断するための外部トリガーの使用）
多くのアプリケーションにおいて、リセットにトリガーを掛けるために信頼性の高い外部情報を利用することができる。例えば、テレビジョンセット又はケーブル「セットトップボックス」では、ユーザがチャンネルを切り替える行為はリセットを行うための外部トリガーとして作用させることができる。また、テレビジョン又はオーディオ／ビデオ受信器において、例えば、「ビデオ１」から「ビデオ２」へユーザが入力源を切り替える行為は、リセットを行うためのトリガーとして作用させることができる。他の例として、例えば、ポータブルオーディオ装置又はデジタルビデオレコーダのような、ファイルベースのメディアプレーヤが含まれる。この場合、システムが１つのファイルの演奏を終え，次に切り替わるときリセットに外部からトリガーを掛けることができる。ユーザが自分自身で明確にファイルを切り替えたとき、例えば、再生、早送り、又は巻戻し操作を行い、コンテンツの新しい位置に移動させたときに、リセットにトリガーを掛けることができる。この場合、処理すべきオーディオが、例えば、ドルビーデジタル（Ｄｏｌｂｙ Ｄｉｇｉｔａｌ）オーディオのような、圧縮したデジタルデータのストリームからデコードされたものである場合、他の外部リセットトリガー信号源が存在することがある。「ドルビー」及び「ドルビーデジタル（Ｄｏｌｂｙ Ｄｉｇｉｔａｌ）」はドルビー・ラボラトリーズ・ライセンシング・コーポレーションの登録商標である。例えば、ドルビーデジタルオーディオコーディングシステムは、米国における高解像度のテレビジョンについての必須のオーディオフォーマットである。プログラミングするための所定のチャンネルにおいて、オーディオは連続的に送られるが、ドルビーデジタルフォーマットは、プログラムの境界で切り替えることができる。例えば、メインプログラムは５．１チャンネルフォーマットにエンコードされており、コマーシャルはステレオフォーマットにエンコードされていることがある。ドルビーデジタルデコーダは必ずしもこのような切り替えを検出せず、リセットトリガーとして本発明のオーディオダイナミクスプロセッサに情報を送ることができる。例えば、一般に単一のコンテンツでは一定に保持される、ドルビーデジタルダイアローグノーマライゼーションパラメータ「ＤＩＡＬＮＯＲＭ」における切り替えのような、コーディングパラメータにおける他の切り替えを採用することもできる。同様の外部リセットトリガーを他のオーディオコーディングフォーマット、例えばＭＰ３やＡＡＣ、から生成することもできる。前述の外部リセットトリガー源に加えて、他のトリガー源も可能であり、本発明はこれらの記載に制限されない。

オーディオが既知の音源から生じるような装置に本発明が使われている場合、本発明は図３に示すようにさらなる改良を行うことができる。図の下方に、Ｎ個の音源１４−１〜１４−Ｎ（「音源１」〜「音源Ｎ」）が描かれており、音源選択装置又は音源選択処理（「音源選択」）１６によりダイナミクス処理システムを介して再生のために選択される。このような音源は、テレビジョン又はセットトップボックスの種々のチャンネル、オーディオ／ビジュアルの種々の入力、ポータブルメディアプレーヤの種々のファイルを表すことができるが、これらに限定されない。各音源と一緒に、特定の音源が最後に再生されたときに存在した１以上のダイナミクス制御処理の特性の状態の表示が保存される。このようなダイナミクス制御の状態の特性は、例えば、１以上の（１）平滑化されたオーディオ信号レベルの程度、（２）平滑化されたオーディオ信号レベルの程度から結果的に得られる１以上の修正パラメータ、及び（３）平滑化されたオーディオ信号レベルの程度を取得するときに採用した１以上の時定数が含まれる。以下に記載する典型的な実施の形態において、間接的にゲイン修正パラメータに影響を与える平滑化されたオーディオ信号レベルの程度を採用する〈実施例ではゲインは平滑化されたオーディオ信号レベルの関数となっている）。音源選択処理を通じて異なる音源が選択されたとき、実際に新しい音源に切り替えられる前に、音源選択１６は外部リセットトリガーをリセット制御１２’に送る。これにより、リセット制御１２’は現在再生中の音源にダイナミクス制御処理の現在の状態を示す表示を取得することができる。次に、リセット制御１２’は、ダイナミクス制御の状態を示す表示を、現在のオーディオ選択１８−１〜１８−Ｎ（ダイナミクス制御状態１〜Ｎ）に関連付けてＮ個のダイナミクス制御状態記憶位置に保存する。次いで、音源選択１６により、新しい音源に切り替えられ、保存していた、関連付けられたダイナミクス制御の状態を示す表示をリセット制御処理に送り、保存していた状態を示す表示を用いてダイナミクス制御処理をリセットする。

音源の最終のダイナミクス制御の状態を、その音源を切り替えるときにダイナミクス制御処理をリセットするために用いることにより、そのような初期状態を採用しない場合より良好な性能を達成することができる。かかる情報がない場合、入力してきたオーディオ信号は新しい音源に適応しているので、ダイナミクス制御処理は、リセットした後入力してきたオーディオ信号に依存する。短期ベースでは、オーディオのレベルは急速に変動することがあり、従って、ダイナミクス制御処理が新しいオーディオに適応しようとするときに、修正パラメータもまた急速に変動することがある。音源と関連づけられたダイナミクスプロセッサの最終の状態の特性をダイナミクスプロセッサをリセットするために用いることにより、ダイナミクスプロセッサがその音源のために最終的に収束するような状態に近い状態になろうとする。結果として、リセット後の急速な時定数の適応時間を、他の方法で必要とするほど短くする必要はなく、従って、全体的な適応時間を犠牲にすることなく安定性が改善される。一例として、２つのテレビ局、すなわち、第１の局はフルスケールデジタルに比べて−１５ｄＢの平均レベルのオーディオを有し、第２の局は、−３０ｄＢの平均レベルのオーディオを有し、両方とも、それぞれの平均レベルより±５ｄＢの範囲を有する、２つのテレビ局の切り替えを行うことを考える。第２の局に切り替える直前で、第１の局の平均レベルが−１３ｄＢであると仮定する。さらに、切り替え後の第２の局の平均レベルが−３３ｄＢであると仮定する。これは、−２０ｄＢの差である。例えば、ダイナミクス処理システムが０．５秒で適応することを要求された場合、他に情報がない状態では、１秒間に−４０ｄＢの適応速度が要求される。この速さは非常に速く、処理済のオーディオを不安定にするかもしれない。一方、第２の局と供に保存されている最終のダイナミクス処理の状態が−２８ｄＢのレベルであると仮定する。そうすると、リセットした後、ダイナミクス制御処理はこの状態でリセットされ、−３３ｄＢ−（−２８ｄＢ）＝−５ｄＢの差が存在するだけとなる。かくして、０．５秒以内に要求のレベルに収束させるために、１秒間に−１０ｄＢの適応速度が要求されるのみである（時定数の短縮要求が少ない）。この例は、音源のダイナミクス制御処理の最後の状態を保存する利点を明らかにしている。

（リセットにトリガーが掛けられたときの効果）
リセットにトリガーを掛けることにより、オーディオダイナミクス処理の適応速度（入力の変化にダイナミクス処理が適応する速度）が速くなる。例えば、リセットにトリガーが掛けられたとき、適応速度に関連する１以上の時定数が非常に小さな値に急速に切り替わることができ、そして、所定の時間で元の大きな値に戻ることができる。あるいは、この１以上の時定数が非常に小さな値に急速に切り替わることができ、そして、所定の時間その値を保持することができる。ＡＧＣの構成において、時定数制御信号ｃ［ｔ］は、一瞬にして平滑化された平均レベルの計算に使われる時定数にまで減少する。例えば、平滑化時定数を、リセットの後、約１秒間減少させることができる。実施の形態において、リセットトリガーにより、時定数制御信号ｃ［ｔ］は、「１」の値（１以上の時定数に対して変化による最大の影響を与えることを示す）から出発する。これが「１」のとき、アタック係数とリリース係数は、通常の値より非常に小さく設定される。ｃ［ｔ］が１秒といった短い期間にゼロになるので（この期間の長さは重要ではない）、係数は補間されて、名目上の通常の値（リセットされない値）に戻る。あるいは、又はそれに加えて、リセットトリガーの発生により、ダイナミクス制御処理により計算された平滑化された平均レベルの値は、特定の音源に保存された状態、又は初期値にリセットされることとしてもよい。

高レベルの一般的なオーディオダイナミクスプロセッサを示す概略機能ブロックダイアグラムである。 図１の一般的なダイナミクスプロセッサに制御経路、リセット制御経路を加えた、本発明の実施の形態の１例の特徴を示す概略機能ブロックダイアグラムである。 オーディオダイナミクスプロセッサにさらに改良を加えた、本発明の実施の形態の１例の特徴を示す概略機能ブロックダイアグラムである。 一般的な自動ゲイン制御の典型的な入力と出力の関係を示す。 人の耳の基底膜に沿って観察される臨界帯域フィルターを模擬した帯域通過周波数応答を示す。 本発明の特徴による、本発明のＡＧＣの実施の形態の１例を示す、概略機能ブロックダイアグラムである。

（発明を実施するための最良の形態）
本願に記載の発明は、ダイナミックレンジ制御、圧縮器、リミッタ、伸張器、等の広範囲にわたるダイナミクス処理のアプリケーションに適用可能である。本発明を使わない状態では、一般に適応動作が遅くなるような大きな時定数のＡＧＣに適用するときにとりわけ有用である。従って、好ましい実施の形態では、実施例として、ＡＧＣに本発明を適用した例を記載する。

（基本的なＡＧＣの実施形態）
基本的なＡＧＣの実施の形態では、時間的に変動する信号の平均レベルの推定値を計算し、入力レベルと好ましい目標レベルの関数である修正された好ましい出力レベルを計算する。時間的に変動する信号の修正は、入力レベルと好ましい出力レベルとの差の関数として計算する。入力を出力にマッピングする関数は修正されたオーディオのレベルを好ましい出目標レベルに近づける。図４は、そのような入力／出力の関数を示す。目標レベル以上の入力に対してＡＧＣは信号を減少させ、目標レベル以下の入力に対してＡＧＣは信号を増大させる。減少又は増大の程度は、図４の直線の傾きを変えることにより制御することができる。

理想としては、オーディオの平均レベルを計算するために用いる尺度は、音量に対する人の知覚と関連付けるべきである。これは多くの方法で行うことができ、例えば、重み付けられた平均二乗パワーによる尺度又は音響心理学的音量尺度による方法がある。単純な重み付けされていない平均二乗パワーによる尺度は、上記２つの方法より少し精度が悪いが、現実の多くのオーディオ信号についての人間の知覚音量と高い相関を示している。それによれば計算が簡単になるので、重み付けされていない平均二乗パワーによる尺度は、好ましい実施の形態に用いられるが、本発明をそのように限定させて解釈すべきではない。

しかしながら、原則として本発明の特注はアナログ領域及び／又はデジタル領域で実施することができ、実際的な実施の形態では、各オーディオ信号が個々のサンプル又はデータのブロック内にあるサンプルにより表されるデジタル領域で実施することになるであろう。入力レベル推定値及びこれに対応する出力レベルと信号修正パラメータは、アナログオーディオ信号に対して連続的に計算し、あるいは、デジタル信号からはサンプルごとに計算するが、例示した実施の形態では、しかしながら、デジタルオーディオ信号のサンプルの連続的に重複させたブロックのような数量を計算するのに好ましいものである。これは、主として、以下に説明するように、デジタルブロック処理は信号自身からリセット条件を検出するのに有用であるという事実に基づくものである。デジタルオーディオ信号をｘ［ｎ］で表すとすると、オーディオ信号の重複するブロックは以下のように表すことができる。

ここで、Ｎはブロック長、Ｎ／２は連続するブロック同士での重複の程度、ｔはブロックインデックス、そしてｗ［ｎ］は、サイン窓のような窓関数である。４４１００Ｈｚでサンプリングされた信号に対してはＮ＝５１２又はＮ＝１０２４に設定するとうまく行く。重複したサンプルブロックを採用したデジタルオーディオ処理の構成についての詳細は、Ｆｉｅｌｄｅｒ等の米国特許５，８９９，９６９（ゲイン制御ワードを持つフレーム基準のオーディオ）に記載されており、この特許はそのすべてを本願に参照として組み込む。以下に説明するように、ＡＧＣは時間的に変動するゲインを計算し、ゲインはその後信号の各ブロックに乗算される。これらの修正されたブロックの各々は、重複して加算され最終的な修正されたオーディオ信号ｙ［ｎ＋ｔＮ／２］になる。

ゲインＧ［ｔ］の計算における第１のステップとして、時間的に変動する信号Ｌ［ｔ］の瞬時値が各ブロックｘ［ｎ，ｔ］の平均平方のパワーとして計算される。デシベル単位では、このレベルは以下のように計算される。

ここで、０ｄＢは、フルスケールのデジタル方形波のレベルに対応する。

ここで、

及び

である。

好ましいアタック時間及びリリース時間を与えるために、平滑化係数α_attack及びα_releaseが選択される。これを特定するためのひとつの方法は、平滑化フィルターの１／２減衰時間である。すなわち、平滑化フィルターのインパルス応答が元の値の半分にｋ間するするまでの時間である。１／２減衰時間が１秒に対応するα_attackと１／２減衰時間が４秒に対応するα_releaseを選択するとＡＧＣに対してうまく作用するが、これの値は本質的なものではない。式（４ａ）における値Ｌ_minは、それ以上の値で瞬時信号レベルＬ［ｔ］が、平滑化したレベルを更新することができるように、最低レベルを表す。これにより、信号が相対的に無音状態に陥ったとき、平滑化された平均レベルが低くなりすぎることを防止し、対応するゲインが高くなりすぎることを防止する。０ｄＢフルスケールのデジタル方形波のレベルを表すと見なし、Ｌ_min＝−６０ｄＢは、妥当な選択であるが、この値は本質的なものではない。

上述のように、通常のオーディオコンテンツの時間経過に伴う変動がある間、ＡＧＣがおこなうオーディオのレベルの変化が急速になり過ぎないように、このような平滑化時定数は数秒間というオーダの比較的大きな値に選ばれる。しかしながら、オーディオコンテンツが突然変動した場合又は不連続点を持つ場合、ＡＧＣはそれに適応するための時間が長すぎてしまう。特に、新しいコンテンツが先行するコンテンツと全く異なるレベルである場合はそうである。適応速度を上げるために、先に説明したリセット信号を、レベル平滑に関連する１以上の時定数の修正にトリガーを掛けるために使うことができる。この場合、リセットにトリガーが掛かると、時定数は急速に非常に小さな値に切り替わり、徐々に元の大きな値に（又はそれに近い値に）所定の時間かけて戻る。リセットにトリガーが掛かった後、適応速度を上げる他の方法も可能である。例えば、徐々に元の値又はそれに近い値に戻る代わりに、時定数を所定の時間小さい値に保持しておき、その後、直接元の値又はそれに近い値に戻すこともできる。他の可能性として、所定の時間で段階的に時定数を元に戻す方法がある。本発明は、時定数を元の値又はそれに近い値に戻す方法に限定されるものではない。

リセットにトリガーを掛けるために、通常状態ではＲ［ｔ］＝０、時間ブロックｔでリセット望ましいときＲ［ｔ］＝１となるようなリセット信号Ｒ［ｔ］をつくってもよい。先に説明したように、オーディオ信号を分析することにより、又は外部の発信源からリセットにトリガーを掛けることができる。信号を分析することによりリセットにトリガーを掛ける例の詳細を以下に説明する。外部トリガーの場合は、図３に示すように、ダイナミクスプロセスをリセットすることのできる状態を保存していてもよい。

あるいは、

減衰定数λは、例えば、１秒で半分になるような減衰時間を選択することができ、これは、平滑化時定数がリセットに続いて約１秒の継続時間に短縮されることを意味する。ここではまた、相対的な無音時間中に急速順応が起こらないよう、Ｌ［ｔ］≧Ｌ_initの場合だけ制御信号を更新してもよいことに留意すべきである。

式（４ｂ）に示すように、信号レベルを平滑化するために固定したアタック係数及びリリース係数を用いるより、これらの係数を、時定数制御信号ｃ［ｔ］の関数として時間的に変化させることができる。ｃ［ｔ］＝１のとき、すなわち、リセットがちょうど生じたとき、アタック係数及びリリース係数を、式（４ｂ）のα_attack及びα_releaseの値より非常に小さい値（例えば、元の値の１０パーセント以下）に等しくなるよう設定することができる。ｃ［ｔ］が「０」に減衰するので、係数は補間されてそれらの公称値α_attack及びα_releaseに戻る

あるいは、

ここで

および

（信号分析によるリセット検出）
ここに記載の発明において、リセットにトリガーを掛けるもっとも信頼性のある方法は、オーディオコンテンツの変化に直接結びつくことが知られている機構又は処理から外部トリガーを受け取ることである。いくつかのそのような機構は先に説明した。例えば、テレビジョンセットにおけるチャンネルの切り替え、オーディオ／ビジュアル受信器の入力の選択である。しかしながら多くの場合、このような外部機構は利用できないかもしれず、従って、リセットを掛けるべきかどうかを決めるためにシステムがオーディオ信号自身に頼らなければならない。例えば、本願発明は、ユーザが外部のケーブルセットトップボックスに接続したテレビジョンセットに組み込まれると仮定する。ケーブルセットトップボックスはチャンネルのチューニング及び切り替えを担当し、デコードされたオーディオは、連続するオーディオのストリームとしてテレビジョンに送られるだけである。従って、テレビジョンは、新しいチャンネルが選択されたときについて明確な情報を受け取りはしない。唯一の情報は、受信したオーディオストリームから推定することができるものだけである。

信号分析を通じてリセットにトリガーを掛ける簡単で効果的な方法は、最少の時間（時間閾値ｔ_silenceより短くない時間）、オーディオ信号のレベルが閾値Ｌ_silence以下であるようなオーディオ信号の時間経過に伴う変動が生じるのを検出することである。言い換えれば、少なくとも閾値時間区間の間比較的静かな期間を検出することである。このようなことが生じるときは、オーディオのコンテンツに突然の変化又は不連続点があることを示している可能性が高い。多くの装置、特にケーブルセットトップボックスは、音源が替わったとき、短期間オーディオ信号を消音化する。消音化とは、通常のオーディオコンテンツで一般的に生じるものより遙かに小さいレベルまでオーディオ信号を減少させることである。例えばデジタルオーディオの場合は、信号のサンプルをゼロに減少させることである。このような信号の時間経過に伴う変動では、先に説明した短時間レベルＬ［ｔ］を分析することで検出することができる。Ｌ［ｔ］が少なくともｔ_silenceの期間にわたって閾値Ｌ_silenceより小さい状態が続くなら、リセットが掛けられる。この方法は以下のように表すことができる。

ここで、サイレンスカウント信号ｓ［ｔ］は以下のように更新される。

０ｄＢがフルスケールのデジタル方形波のレベルに対応すると仮定すると、Ｌ_silenceを例えば−９０ｄＢに設定すると、実際にうまく行くが、これは本質的なものではない。ｔ_silenceを例えば０．２５鋲の時間に設定することは、多くのアプリケーションで妥当な選択であるが、これは本質的なものではない。

場合によっては、相対的な静音が、オーディオコンテンツの突然の変化又は不連続点を持ったときにもとらされるのではない場合があり、従って、このとき上記技法ではリセットにトリガーを掛けることができない。さらなるこのような場合に対応するようなリセットに対するトリガー掛けを生じさせることが必要となる。オーディオコンテンツの突然の変化又は不連続点を持つような状態ではいつでも、新しいオーディオのレベルが、先のオーディオコンテンツのレベルより大きいか、同じか、小さくなる。ほとんどのダイナミクスプロセッサは、リリース値よりかなり大きいアタック値を採用しているので、新しいオーディオコンテンツのレベルが古いオーディオコンテンツのレベルより大きいか又は等しい場合は、新しいオーディオコンテンツのレベルが古いオーディオコンテンツのレベルより非常に小さいときより問題は少ない。後者の場合、遅いリリース時間により、問題が生じるような長い適用時間がもたらされる。従って、新しいオーディオコンテンツのレベルが古いオーディオコンテンツのレベルより非常に小さいときリセットにトリガーを掛けることが特に価値があると考えることができる。そうするために、自然なサウンドを構成する多くのオーディオ信号に共通する特徴を活用することができる。自然なサウンドに突然のレベル変化が生じるかもしれないが、自然なサウンドではゆっくりした減衰を示す。突然断ち切られるようなサウンドは、オーディオレコーディングにおいてそれほど一般的ではない。しかし、例えば入力の選択により、オーディオコンテンツが突然切り替わり、新しい入力オーディオのレベルが古いオーディオのレベルより非常に小さい場合は、その結果生じるオーディオのストリームは強烈に、不自然に、瞬間的にレベルが落ちる。このようなレベルの低下は短時間レベルＬ［ｔ］から検出することができリセットにトリガーを掛けるために用いることができる。

従って、信号を分析することによるもうひとつのリセットにトリガーを掛ける効果的な方法では、オーディオ信号のレベルが、時間閾値ｔ_drop以下の時間内に差の閾値Ｌ_dropより大きく減少するようなオーディオ信号の時間経過に伴う変動が生じたことを検出する。具体的には、Ｌ［ｔ］とＬ［ｔ−１］との差が時間間隔ｔ_drop内で所定の閾値Ｌ_dropより大きい場合は、リセットにトリガーが掛けられる。

適切な時間差ｔ_dropは、例えば、ブロックが半分重複し、１つのブロック時間がＮ／２個のサンプルに相当する、１デジタル処理ブロックである。Ｎ＝５１２でサンプリングレートが４８０００Ｈｚの場合、ｔ_dropは約５ミリ秒となる。Ｎ＝１０２４では、ｔ_dropは約１０ミリ秒となる。約−１０〜−２０ｄＢのレベル差Ｌ_dropが適切であることがわかっているが、これは本質的ではない。

上記技法は、新しいオーディオコンテンツのレベルが古いオーディオコンテンツのレベルより非常に小さい時にリセットにトリガーを掛けるのに効果的であるが、しばしば誤って正常なオーディオコンテンツであるのにリセットにトリガーを掛けることを許容することがある。記載した技法では、信号のトータルレベルにおける低下を探すので、ときどき、オーディオ信号の支配的な部分、例えばドラムを蹴ったときに、信号の他の部分がそうではないのに、そのような振る舞いをすることがある。しかし、支配的な信号成分は、全体レベルに顕著に寄与し、従ってリセットにトリガーを掛けさせることがある。このような意図しないトリガーが生じるのに対抗するために、信号のレベルが時間閾値の期間内に複数の周波数帯域（例えば、すべての周波数帯域）にわたって同時に大きくレベルの低下を生じたときにリセットを検出することで、検出の仕組みを、改善することができる。このようにして、そのようなすべての周波数帯域が、所定の帯域の絶対レベルがどうであれ、リセット検出処理に同等に寄与する。このような技法を組み込むために、複数の周波数帯域内の瞬時値を最初に計算する。このレベルはＬ［ｂ，ｔ］で表される。ここで、ｂは帯域係数である。これは、各オーディオブロックｘ［ｎ，ｔ］の離散フーリエ変換（ＤＦＴ）を計算し、各帯域ｂについて、帯域通過周波数応答Ｃ_b［ｋ］をＤＦＴに乗算することにより効率的に算出することができる。

ここで、Ｘ［ｋ，ｔ］、すなわちｘ［ｎ，ｔ］のＤＦＴは以下のように計算する。

帯域通過周波数応答Ｃ_b［ｋ］は、人の耳の基底膜に沿って観察される臨界帯域フィルターを模倣するようにうまく選ぶことができる。MooreとGlasbergが示唆したように、（Brian Moore、Brian Glasberg、及びThomas Baer、Audio Eng.Soc.,Vol.45、No. 4,1997年４月「閾値、音量、及び部分音量の予測モデル」)そのようなフィルターは、おおよそ指数関数的な形を呈し、等価矩形帯域幅（ＥＲＢ）スケール上で同じ間隔となる。図５は、４０の帯域内に１ＥＲＢの間隔を持つ適切なフィルターを示す。

帯域Ｌ［ｂ，ｔ］ごとの瞬時レベルから、連続する時間ブロック間の差は、すべての帯域にわたって平均化され、以下のように計算することができる。

実世界のオーディオ信号Ｄ［ｔ］は、信号レベルが帯域ｂの過半数で大きく下落した場合に限り、非常に小さくなる。差が閾値Ｄdropより小さい場合は、リセットが検出される。

実際には、下落幅を−１０〜−２０ｄＢに設定するとうまくゆくが、どう設定するかは本質的ではない。結果としてこの複数帯域技法では、全信号レベルにおける差だけをみる単純な技法より誤ってリセットにトリガーを掛けることが少なくなる。

（実施形態）
本発明は、ハードウェア又はソフトウェア又は両方を組み合わせたもの（例えば、プログラマブルロジックアレー）で実施することができる。特に記載がない限り、本発明の一部として含まれているアルゴリズムも、特定のコンピュータや他の装置と関連付けられるものではない。特に、種々の汎用機をこの記載に従って書かれたプログラムと共に用いてもよい、あるいは、要求の方法を実行するために、より特化した装置（例えば、集積回路）を構成することが便利かもしれない。このように、本発明は、それぞれ少なくとも１つのプロセッサ、少なくとも１つの記憶システム（揮発性及び非揮発性メモリー及び／又は記憶素子を含む）、少なくとも１つの入力装置又は入力ポート、及び少なくとも１つの出力装置又は出力ポートを具備する、１つ以上のプログラマブルコンピュータシステム上で実行される１つ以上のコンピュータプログラムにより実現することができる。ここに記載した機能を遂行し、出力情報を出力させるために入力データにプログラムコードを適用する。この出力情報は、公知の方法で、１以上の出力装置に適用される。

このようなプログラムの各々は、コンピュータシステムとの通信のために、必要とされるどんなコンピュータ言語（機械語、アセンブリ、又は、高級な、手続言語、論理型言語、又は、オブジェクト指向言語を含む）ででも実現することができる。いずれにせよ、言語はコンパイル言語であってもインタープリタ言語であってもよい。このようなコンピュータプログラムの各々は、ここに記載の手順を実行するために、コンピュータにより記憶媒体又は記憶装置を読み込んだとき、コンピュータを設定し動作させるための、汎用プログラマブルコンピュータ又は専用プログラマブルコンピュータにより、読み込み可能な記憶媒体又は記憶装置（例えば、半導体メモリー又は半導体媒体、又は磁気又は光学媒体）に保存又はダウンロードすることが好ましい。本発明のシステムはまた、コンピュータプログラムにより構成されるコンピュータにより読み込み可能な記憶媒体として実行することを考えることもできる。ここで、この記憶媒体は、コンピュータシステムを、ここに記載した機能を実行するために、具体的にあらかじめ定めた方法で動作させる。

本発明の多くの実施の形態について記載した。しかしながら、本発明の精神と技術範囲を逸脱することなく多くの修正を加えることができることは明らかであろう。例えば、ここに記載したステップのいくつかの順序は独立であり、従って、記載とは異なる順序で実行することができる。

Claims (14)

1. ダイナミクス制御処理により、オーディオ信号のダイナミクスを変更するステップであって、該変更するステップは、前記オーディオ信号の信号レベル及び／又は修正ゲインを適応時定数βを採用した平滑化フィルターにより平滑化するステップを含むことを特徴とするステップと、
   第２の時間閾値ｔ_dropより長くない時間区間内で、前記オーディオ信号のレベルが偏差閾値Ｌ_dropより大きく減少するような、オーディオ信号の時間経過に伴う第１類型の変動を検出するステップであって、該検出するステップは複数の周波数帯域において、レベルの減少を検出することを特徴とするステップと、
   第１の時間閾値ｔ _silence より短くない期間内で、前記オーディオ信号のレベルが閾値Ｌ _silence 未満になっているような、オーディオ信号の時間経過に伴う第２類型の変動を検出するステップと、
   前記第１類型の変動又は前記第２類型の変動の検出に応答して前記ダイナミクス制御処理をリセットするステップであって、該リセットするステップは、前記平滑化フィルターの時定数を、時定数β _slow より速い所定の値β _fast に設定するステップ、及び、該リセットに続く所定の期間に、前記適応時定数βで補間し時定数をβ _slow に戻すステップを含むことを特徴とするステップと、
   を具備することを特徴とするオーディオ信号の処理方法。
2. 第１の時間閾値ｔ_silenceより短くない期間内で、オーディオ信号のレベルが閾値Ｌ_silence未満になっているような、オーディオ信号の時間経過に伴う第２類型の変動を検出するステップと、
   前記第２類型の変動の検出に応答して前記ダイナミクス制御処理をリセットするステップと、
   を具備することを特徴とする請求項１に記載の方法。
3. 前記ダイナミクス制御処理をリセットするステップでは、該ダイナミクス処理が入力信号に順応する速さをスピードアップさせることを特徴とする請求項１に記載の方法。
4. 前記ダイナミクス制御処理をリセットするステップでは、１以上の処理制御パラメータ値又は該１以上の処理制御パラメータがその信号の関数となるような信号を、保存された値又は初期設定値に設定することを特徴とする請求項１に記載の方法。
5. 前記ダイナミクス制御処理をリセットするステップでは、１以上の処理制御パラメータ値又は該１以上の処理制御パラメータがその信号の関数となるような信号を決定する段階で採用される１以上の時定数の値を小さくすることを特徴とする請求項１に記載の方法。
6. 前記オーディオ信号の変化を表す外部から提供されたリセットトリガー信号を受け取るステップと、
   前記リセットトリガー信号に応答してダイナミクス制御処理をリセットするステップと、
   を具備することを特徴とする請求項１に記載の方法。
7. リセットトリガー信号は、
   ユーザによる、のチャンネル切り替え行為、
   ユーザによる、入力源切り替え行為、
   ユーザによる、再生、巻戻し、先送りの切り替え行為、
   １つのファイルから他のファイルへの切り替え、
   プログラムの変更、
   オーディオ コーディングフォーマットの切り替え、及び
   コーディングパラメータの変更、
   のうちの１つ以上を意味することを特徴とする請求項６に記載の方法。
8. ダイナミクス制御処理により、オーディオ信号のダイナミクスを変更する手段であって、該変更する手段は、前記オーディオ信号の信号レベル及び／又は修正ゲインを適応時定数βを採用した平滑化フィルターにより平滑化する手段を含むことを特徴とする手段と、
   第２の時間閾値ｔ_dropより長くない時間区間内で、前記オーディオ信号のレベルが偏差閾値Ｌ_dropより大きく減少するような、オーディオ信号の時間経過に伴う変動を検出する手段であって、該手段は複数の周波数帯域において、レベルの減少を検出することを特徴とする手段と、
   第１の時間閾値ｔ _silence より短くない期間内で、前記オーディオ信号のレベルが閾値Ｌ _silence 未満になっているような、オーディオ信号の時間経過に伴う第２類型の変動を検出する手段と、
   前記第１類型の変動又は前記第２類型の変動の検出に応答して前記ダイナミクス制御処理をリセットする手段であって、該リセットする手段は、前記平滑化フィルターの時定数を、時定数β _slow より速い所定の値β _fast に設定する手段、及び、該リセットに続く所定の期間に、前記適応時定数βで補間し時定数をβ _slow に戻す手段を含むことを特徴とする手段と、
   を具備することを特徴とするオーディオ信号を処理する装置。
9. 第１の時間閾値ｔ_silenceより短くない期間内で、オーディオ信号のレベルが閾値Ｌ_silence未満になっているような、オーディオ信号の時間経過に伴う変動を検出する手段と、
   前記変動の検出に応答して前記ダイナミクス制御処理をリセットする手段と、
   を具備することを特徴とする請求項８に記載の方法。
10. 前記ダイナミクス制御処理をリセットする手段は、該ダイナミクス処理が入力信号に順応する速さをスピードアップさせることを特徴とする請求項８に記載の装置。
11. 前記ダイナミクス制御処理をリセットする手段は、１以上の処理制御パラメータ値又は該１以上の処理制御パラメータがその信号の関数となるような信号を、保存された値又は初期設定値に設定することを特徴とする請求項８に記載の装置。
12. 前記ダイナミクス制御処理をリセットする手段は、１以上の処理制御パラメータ値又は該１以上の処理制御パラメータがその信号の関数となるような信号を決定する段階で採用される１以上の時定数の値を小さくすることを特徴とする請求項８に記載の装置。
13. 前記オーディオ信号の変化を表す外部から提供されたリセットトリガー信号を受け取る手段と、
    前記リセットトリガー信号に応答してダイナミクス制御処理をリセットする手段と、
    を具備することを特徴とする請求項８に記載の装置。
14. リセットトリガー信号は、
    ユーザによる、のチャンネル切り替え行為、
    ユーザによる、入力源切り替え行為、
    ユーザによる、再生、巻戻し、先送りの切り替え行為、
    １つのファイルから他のファイルへの切り替え、
    プログラムの変更、
    オーディオ コーディングフォーマットの切り替え、及び
    コーディングパラメータの変更、
    のうちの１つ以上を意味することを特徴とする請求項１３に記載の装置。

Images