JP5231225B2 - オーディオ信号をエンコーディング及びデコーディングするための装置とその方法 - Google Patents

Description

本発明は主としてオーディオ信号処理に関する。

通常、空間音声コーディング（ＳＡＣ：Ｓｐａｔｉａｌ Ａｕｄｉｏ Ｃｏｄｉｎｇ）と呼ばれるマルチチャンネルオーディオのコーディングを認識するための新たなアプローチ方式が研究開発中にある。ＳＡＣは、マルチチャンネルオーディオを低いビットレートにて送信可能にすることから、種々のオーディオ適用分野（例えば、インターネットストリーミング、音楽のダウンロードなど）に向いている。

ＳＡＣは、個別のオーディオ入力チャンネルを分散コーディングするよりも簡単なセットのパラメータでマルチチャンネルオーディオ信号の空間イメージを取得する。このようなパラメータは、デコーダーに送信されてオーディオ信号の空間特性を合成したり再構成するのに用いられる。

一部のＳＡＣ適用分野においては、空間パラメータがビットストリームの一部としてデコーダーに送信される。このようなビットストリームは複数の空間フレームを含み、これらの空間フレームは空間パラメータが適用可能に並べられたタイムスロットセットを含む。また、ビットストリームは位置情報を含むが、デコーダーはこのような位置情報を用いて所定のパラメータセットが適用される正確なタイムスロットを識別することができる。

一部のＳＡＣ適用分野においては、エンコーディング／デコーディング経路に概念的なエレメントを用いる。そのようなエレメントの一つとしては、通常 ＯＴＴ（Ｏｎｅ−Ｔｏ−Ｔｗｏ）と呼ばれるものがあり、他のエレメントとしては、通常ＴＴＴ（Ｔｗｏ−Ｔｏ−Ｔｈｒｅｅ）と呼ばれるものがあるが、このような名称は、それぞれ対応デコーダー要素の入力チャンネルと出力チャンネルの個数を意味している。ＯＴＴエンコーダーエレメントは、２つの空間パラメータを抽出して、ダウンミックス信号とレジデュアル信号（ｒｅｓｉｄｕａｌ ｓｉｇｎａｌ）を生成する。ＴＴＴエレメントは、３つのオーディオ信号を１つのダウンミックス信号と１つのレジデュアル信号にダウンミックスする。これらのエレメントが組み合わせられて種々の構成の空間オーディオ環境（例えば、サラウンドサウンドなど）を提供することができる。

一部のＳＡＣ適用分野は、ノンガイド動作モードにて動作可能であるが、このような動作モードにおいては空間パラメータを送信する必要がなく、ステレオダウンミックス信号だけがエンコーダーからデコーダーに送信される。デコーダーは、ダウンミックス信号から空間パラメータを合成してマルチチャンネルオーディオ信号の生成に用いる。

オーディオ信号に関連する空間情報は、デコーダーに送信されるか、または、記録媒体に記録可能なビットストリームにエンコーディングされる。このようなビットストリームは、時間、周波数及び空間エリアに関連する異なるシンタックスを含むことができる。一部の実施形態において、ビットストリームはパラメータが適用可能に並べられたセットのスロットを含む１以上のデータ構造（例えば、フレーム）を含むことができる。このようなデータ構造は、固定されたものであっても、可変的なものであってもよい。デコーダーがデータ構造タイプを判定して適切なデコーディング処理を呼び出せるようにするデータ構造タイプ表示子がビットストリームに含まれうる。データ構造は位置情報を含むことができ、デコーダーはこのような位置情報を用いて所定のパラメータセットが適用される正確なスロットを識別することができる。スロット位置情報は、データ構造タイプ表示子が表示するデータ構造タイプに応じて、固定個数のビットまたは可変個数のビットでエンコーディング可能である。可変データ構造タイプについて、スロット位置情報は前記並べられたセットのスロットにおいて当該スロットの位置により可変個数のビットでエンコーディング可能である。

一部の実施形態において、オーディオ信号をエンコーディングする方法は、フレーミングタイプを決定するステップと、タイムスロットの個数及び１以上のパラメータを含むパラメータセットの個数を決定するステップと、オーディオ信号を並べられたセットのタイムスロットを含むフレームを含むビットストリームにエンコーディングするステップと、前記ビットストリームにフレーミングタイプ表示子を挿入するステップと、前記フレームタイプ表示が可変フレーミングを示す場合、並べられたセットのタイムスロットのうちパラメータがセットが適用される少なくとも一つのタイムスロットの位置を示す情報を生成するステップと、前記並べられたセットのタイムスロットのうち前記タイムスロットの位置を示す可変個数のビットを前記ビットストリームに挿入するステップと、を含み、前記可変個数のビットは前記タイムスロット位置により決定されることを特徴とする。

一部の実施形態において、オーディオ信号をデコーディングする方法は、オーディオ信号を示しかつフレームを含むビットストリームを受信するステップと、前記ビットストリームからタイムスロットの個数と１以上のパラメータを含むパラメータセットの個数を決定するステップと、前記ビットストリームからフレーミングタイプを決定するステップと、前記フレーミングタイプが可変フレーミングである場合、前記ビットストリームから並べられたセットのタイムスロットのうちパラメータセットが適用されるタイムスロットの位置を示す位置情報を決定するステップと、前記タイムスロットの個数、前記パラメータセットの個数及び前記位置情報に基づき前記オーディオ信号をデコーディングするステップと、を含み、前記位置情報は前記タイムスロット位置に基づく可変個数のビットで表わされることを特徴とする。

システム、方法、装置、データ構造及びコンピュータにて読取り可能な媒体に関する多数フレームタイプのタイムスロット位置コーディングの他の実施形態も開示される。

上述した通常の説明及び以下の実施形態の詳細な説明はいずれも例示的に説明するためのものであり、特許請求の範囲において請求される本発明の理解を容易にするためのものであるという点が理解されなければならない。

本発明への理解を容易にするために含まれる添付図面は本発明の実施形態を示すものであり、この明細書と一緒に本発明の原理を説明するためのものである。

図１は、本発明の一実施形態により空間情報を生成する原理を示す図である。マルチチャンネルオーディオ信号に対するコーディング方式の概念は、人間がオーディオ信号を３次元的に認識するということに基づく。オーディオ信号の３次元空間は空間情報を用いて表わすことができ、これは、チャンネルレベル差分（ＣＬＤ；Ｃｈａｎｎｅｌ Ｌｅｖｅｌ Ｄｉｆｆｅｒｅｎｃｅ）と、チャンネル間相関／コーヒーレンス（ＩＣＣ；Ｉｎｔｅｒ−ｃｈａｎｎｅｌ Ｃｏｒｒｅｌａｔｉｏｎ／Ｃｏｈｅｒｅｎｃｅ）と、チャンネル時間差分（ＣＴＤ；Ｃｈａｎｎｅｌ Ｔｉｍｅ Ｄｉｆｆｅｒｅｎｃｅ）と、チャンネル予測係数（ＣＰＣ：Ｃｈａｎｎｅｌ Ｐｒｅｄｉｃｔｉｏｎ Ｃｏｅｆｆｉｃｉｅｎｔｓ）などを含むが、これらに制限されるものではない。ＣＬＤは２つのオーディオチャンネル間エネルギー（レベル）差分を意味し、ＩＣＣは２つのオーディオチャンネル間相関またはコーヒーレンスの量を意味し、ＣＴＤは２チャンネル間の時間差分を意味する。

図１にＣＴＤとＣＬＤパラメータの生成を示す。遠距離サウンドソース１０１から第１のダイレクトサウンド波１０３が人間の左耳１０７に達し、第２のダイレクトサウンド波１０２が人間の頭の周りにおいて回折された後、人間の右耳１０６に達する。２つのサウンド波１０２及び１０３は到達時間とエネルギーレベルにおいて互いに異なる。ＣＴＤパラメータとＣＬＤパラメータはサウンド波１０２と１０３の到達時間及びエネルギーレベル差分に基づき生成される。また、反射されたサウンド波１０４及び１０５が両耳１０６及び１０７にそれぞれ達し、これらは互いに相関がない。ＩＣＣパラメータはサウンド波１０４及び１０５間相関に基づき生成可能である。

エンコーダーにおいては、マルチチャンネルオーディオ信号において空間情報（例えば、空間パラメータなど）が抽出され、ダウンミックス信号が生成される。ダウンミックス信号と空間パラメータはデコーダーに転送される。これに制限されるものではないが、モノ信号、ステレオ信号またはマルチチャンネルオーディオ信号を含むダウンミックス信号に任意の個数のオーディオチャンネルが使用可能である。デコーダーにおいては、ダウンミックス信号と空間パラメータからマルチチャンネルアップミックス信号が生成される。

図２は、本発明の一実施形態によりオーディオ信号をエンコーディングするエンコーダーのブロック図である。エンコーダーは、ダウンミキシング部２０２と、空間情報生成部２０３と、ダウンミックス信号エンコーディング部２０７とマルチプレクシング部２０９と、を備える。エンコーダーの他の構成も採用可能である。エンコーダーはハードウェアまたはソフトウェアにより実現されるか、あるいは、ハードウェアとソフトウェアとの組み合わせにより実現可能である。エンコーダーは集積回路チップ、チップセット、システムオンチップ（ＳｏＣ：Ｓｙｓｔｅｍ ｏｎ Ｃｈｉｐ）、デジタル信号プロセッサー、汎用プロセッサー及び種々のデジタル装置とアナログ装置により実現可能である。

ダウンミキシング部２０２は、マルチチャンネルオーディオ信号２０１からダウンミックス信号２０４を生成する。図２において、ｘ₁、…、ｘ_nは入力オーディオチャンネルを示す。上述したように、ダウンミックス信号２０４は、モノ信号であっても、ステレオ信号であっても、オーディオ信号であってもよい。図示の例において、ｘ’₁、…、ｘ’_mはダウンミックス信号２０４のチャンネル番号を示す。一部の実施形態において、エンコーダーはダウンミックス信号２０４に代えて外部供給ダウンミックス信号２０５（例えば、精度よいダウンミックスなど）を処理する。

空間情報生成部２０３は、マルチチャンネルオーディオ信号２０１から空間情報を抽出する。この場合、「空間情報」とは、デコーダーにおいてダウンミックス信号２０４をマルチチャンネルオーディオ信号にアップミキシングするのに用いられるオーディオ信号チャンネルに関連する情報を意味している。ダウンミックス信号２０４は、マルチチャンネルオーディオ信号をダウンミックスすることにより生成される。空間情報はエンコーディングされて、エンコーディングされた空間情報信号２０６を与える。

ダウンミックス信号エンコーディング部２０７は、ダウンミキシング部２０２において生成されたダウンミックス信号２０４をエンコーディングして、エンコーディングされたダウンミックス信号２０８を生成する。

マルチプレクシング部２０９は、エンコーディングされたダウンミックス信号２０８とエンコーディングされた空間情報信号２０６とを含むビットストリーム２１０を生成する。ビットストリーム２１０はダウンストリームデコーダーに転送され、及び／または、記録媒体に記録される。

図３は、本発明の一実施形態により、エンコーディングされたオーディオ信号をデコーディングするデコーダーのブロック図である。デコーダーは、デマルチプレクシング部３０２と、ダウンミックス信号デコーディング部３０５と、空間情報デコーディング部３０７と、アップミキシング部３０９と、を備える。デコーダーは、ハードウェアやソフトウェアにより、または、ハードウェアとソフトウェアとの組み合わせにより実現可能である。デコーダーは、集積回路チップ、チップセット、システムオンチップ（ＳｏＣ）、デジタル信号プロセッサー、汎用プロセッサー及び種々のデジタル装置やデバイスにより実現可能である。

一部の実施形態において、デマルチプレクシング部３０２は、オーディオ信号を示すビットストリーム３０１を受信して、このビットストリーム３０１から、エンコーディングされたダウンミックス信号３０３とエンコーディングされた空間情報信号３０４とを分離する。図３において、ｘ’₁、…、ｘ’_mはダウンミックス信号３０３のチャンネルを示す。ダウンミックス信号デコーディング部３０５は、エンコーディングされたダウンミックス信号３０３をデコーディングして、デコーディングされたダウンミックス信号３０６を出力する。デコーダーがマルチチャンネルオーディオ信号を出力することができない場合、ダウンミックス信号デコーディング部３０５はダウンミックス信号３０６を直接的に出力することができる。図３において、ｙ’₁、…、ｙ’_mはダウンミックス信号デコーディング部３０５の直接出力チャンネルを示す。

空間情報信号デコーディング部３０７は、エンコーディングされた空間情報信号３０４から空間情報信号の構成情報を抽出し、抽出された構成情報を用いて空間情報信号３０４をデコーディングする。

アップミキシング部３０９は、抽出された空間情報３０８を用いてダウンミックス信号３０６をマルチチャンネルオーディオ信号３１０にアップミックスすることができる。図３において、 ｙ₁、…、ｙ_nはアップミキシング部３０９の出力チャンネル番号を示す。

図４は、図３に示すデコーダーのアップミキシング部３０９に含まれうるチャンネル変換モジュールのブロック図である。一部の実施形態において、アップミキシング部３０９は複数のチャンネル変換モジュールを含むことができる。チャンネル変換モジュールは、特定の情報を用いて入力チャンネルの個数と出力チャンネルの個数を区別可能な概念的な装置である。

一部の実施形態において、チャンネル変換モジュールは、１本チャンネルを２本チャンネル及び装置などに変換するＯＴＴ（Ｏｎｅ−Ｔｏ−Ｔｗｏ）ボックスと、２本チャンネルを３本チャンネル及び装置などに変換するＴＴＴ（Ｔｗｏ−Ｔｏ−Ｔｈｒｅｅ）ボックスを含む。ＯＴＴボックス及び／またはＴＴＴボックスは種々の有用な構成にて配置可能である。例えば、図３に示すアップミキシング部３０９は、５−１−５構成、５−２−５構成、７−２−７構成、７−５−７構成などを含むことができる。５−１−５構成においては、５本のチャンネルを１本のチャンネルにダウンミキシングして１本のチャンネルを有するダウンミックス信号が生成されるが、これは、今後、５本のチャンネルにアップミックス可能である。ＯＴＴボックスとＴＴＴボックスの種々の組み合わせを用いる他の構成も同様に生成可能である。

図４には、アップミキシング部４００の５−２−５構成例が示してある。５−２−５構成においては、２本チャンネルを有するダウンミックス信号４０１がアップミキシング部４００に入力される。図示の例には、左側のチャンネルＬと右側のチャンネルＲがアップミキシング部４００への入力として与えられる。この実施形態において、アップミキシング部４００は、１つのＴＴＴボックス４０２と３つのＯＴＴボックス４０６、４０７及び４０８を備える。２本チャンネルを有するダウンミックス信号４０１がＴＴＴボックスＴＴＴ０に対する入力として与えられ、ＴＴＴボックスはダウンミックス信号４０１を処理して３本の出力チャンネル４０３、４０４及び４０５を与える。ＴＴＴボックス４０２に対する入力として、１以上の空間パラメータ（例えば、ＣＰＣ、ＣＬＤ、ＩＣＣなど）が与えられて、後述するように、ダウンミックス信号４０１を処理するのに使用可能である。この場合、ＣＰＣは２本のチャンネルから３本のチャンネルを生成する予測係数として説明可能である。

ＴＴＴボックス４０２からの出力として与えられるチャンネル４０３は、１以上の空間パラメータを用いて２本の出力チャンネルを生成するＯＴＴボックス４０６に対する入力として与えられる。図示の例において、２本の出力チャンネルは、例えば、サラウンドサウンド環境における前左側（ＦＬ；Ｆｒｏｎｔ Ｌｅｆｔ）スピーカー位置と後左側（ＢＬ；Ｂａｃｋｗａｒｄ Ｌｅｆｔ）スピーカー位置を示す。チャンネル４０４は１以上の空間パラメータを用いて２本の出力チャンネルを生成するＯＴＴボックス４０７に対する入力として与えられる。図示の例において、２本の出力チャンネルは前右側（ＦＲ；Ｆｒｏｎｔ Ｒｉｇｈｔ）のスピーカー位置と後右側（ＢＲ；Ｂａｃｋｗａｒｄ Ｒｉｇｈｔ）のスピーカー位置を示す。チャンネル４０５は２本の出力チャンネルを生成するＯＴＴボックス４０８に対する入力として与えられる。図示の例において、２本の出力チャンネルはセンター（Ｃ；Ｃｅｎｔｅｒ）スピーカー位置と低周波拡張（ＬＦＥ；Ｌｏｗ Ｆｒｅｑｕｅｎｃｙ Ｅｎｈａｎｃｅｍｅｎｔ）チャンネルを示す。この場合、空間情報（例えば、ＣＬＤ、ＩＣＣなど）はＯＴＴボックスのそれぞれに対する入力として与えられる。一部の実施形態においては、レジデュアル信号Ｒｅｓ１、Ｒｅｓ２がＯＴＴボックス４０６及び４０７に対する入力として与えられうる。この実施形態において、レジデュアル信号はセンターチャンネルとＬＦＥチャンネルを出力するＯＴＴボックス４０８に対する出力として与えられないことがある。

図４に示す構成は、チャンネル変換モジュール用の構成の一例である。ＯＴＴボックスとＴＴＴボックスの種々の組み合わせを含むチャンネル変換モジュール用の他の構成も採用可能である。チャンネル変換モジュールのそれぞれは周波数エリアにおいて動作可能であるため、チャンネル変換モジュールのそれぞれに適用されるパラメータ帯域の個数が定義可能である。パラメータ帯域は一つのパラメータに適用可能な少なくとも一つの周波数帯域を意味している。パラメータ帯域の個数については図６Ｂに基づき説明する。

図５は、本発明の一実施形態によりオーディオ信号のビットストリームを構成する方法を示す図である。図５の（ａ）は、空間情報信号だけを含むオーディオ信号のビットストリームを示し、図５の（ｂ）及び（ｃ）は、ダウンミックス信号と空間情報信号を含むオーディオ信号のビットストリームを示す。

図５の（ａ）を参照すると、オーディオ信号のビットストリームは、構成情報５０１とフレーム５０３を含むことができる。フレーム５０３は、ビットストリームにおいて繰り返し可能であり、一部の実施形態においては、空間オーディオ情報を含む１枚の空間フレーム５０２を含む。

一部の実施形態において、構成情報５０１は１枚の空間フレーム５０２内におけるタイムスロットの総数と、オーディオ信号の周波数範囲を拡張するパラメータ帯域の総数と、ＯＴＴボックスにおけるパラメータ帯域の個数と、ＴＴＴボックスにおけるパラメータ帯域の個数と、レジデュアル信号におけるパラメータ帯域の個数を示す情報を含む。構成情報５０１には所望に応じて他の情報が含まれ得る。

一部の実施形態において、空間フレーム５０２は、１以上の空間パラメータ（例えば、ＣＬＤ、ＩＣＣなど）と、フレームタイプと、１枚のフレーム内におけるパラメータセットの個数とパラメータセットが適用可能なタイムスロットと、を含む。所望に応じて、空間フレーム５０２には他の情報が含まれうる。図６〜図１０に基づき、構成情報５０１及び空間フレーム５０２に含まれる情報の意味と用途を説明する。

図５の（ｂ）を参照すると、オーディオ信号のビットストリームは、構成情報５０４と、ダウンミックス信号５０５と、空間フレーム５０６と、を含む。この場合、１枚のフレーム５０７は、ダウンミックス信号５０５と空間フレーム５０６を含み、これらのフレーム５０７がビットストリームにおいて繰り返し可能である。

図５の（ｃ）を参照すると、オーディオ信号のビットストリームは、ダウンミックス信号５０８と、構成情報５０９と、空間フレーム５１０と、を含む。この場合、１枚のフレーム５１１は、構成情報５０９と空間フレーム５１０を含み、フレーム５１１は、ビットストリームにおいて繰り返し可能である。各フレーム５１１に構成情報５０９が挿入される場合、オーディオ信号は再生装置により任意の位置において再生可能である。

図５の（ｃ）は、構成情報５０９がフレーム５１１ごとにビットストリームに挿入されることを示しているが、周期的にまたは非周期的に繰り返される複数のフレームごとに構成情報５０９がビットストリームに挿入可能であるということはいうまでもない。

図６Ａと図６Ｂは、本発明の一実施形態によるパラメータセット、タイムスロット及びパラメータ帯域間の関係を示す図である。パラメータセットとは、１個のタイムスロットに適用される１以上の空間パラメータのことを言う。空間パラメータは、ＣＬＤ、ＩＣＣ、ＣＰＣなどの空間情報を含むことができる。タイムスロットとは、空間パラメータが適用可能なオーディオ信号の時間間隔のことをいう。１枚の空間フレームは１以上のタイムスロットを含むことができる。

図６Ａを参照すると、多数のパラメータセット１、…、Ｐが空間フレームに使用可能であり、各パラメータセットは１以上のデータフィールド１、…、Ｑ−１を含むことができる。オーディオ信号の全体の周波数範囲に一つのパラメータセットが適用可能であり、このようなパラメータセットにおける各空間パラメータは当該周波数帯域の１以上の位置に適用可能である。例えば、パラメータセットが２０個の空間パラメータを含む場合、オーディオ信号の全体の周波数帯域は２０個のエリア（以下、「パラメータ帯域」と言う。）に分割可能であり、パラメータセットの２０個の空間パラメータがこれらの２０個のパラメータ帯域に適用可能である。パラメータは、所望に応じて、パラメータ帯域に適用可能である。例えば、低周波パラメータ帯域に空間パラメータが密に適用され、高周波パラメータ帯域には疎らに適用可能である。

図６Ｂには、パラメータセットとタイムスロットとの間の関係を示す時間／周波数グラフが示している。図示の例においては、１枚の空間フレームに１２個のタイムスロットに並べられたセットに３つのパラメータセット（パラメータセット１、パラメータセット２、パラメータセット３）が適用される。この場合、オーディオ信号の全体の周波数範囲は９個のパラメータ帯域に分割される。このため、水平軸はタイムスロットの個数を示し、垂直軸はパラメータ帯域の個数を示す。３つのパラメータセットのそれぞれが特定のタイムスロットに適用される。例えば、最初のパラメータセット（パラメータセット１）はタイムスロット＃１に適用され、２番目のパラメータセット（パラメータセット２）はタイムスロット＃５に適用され、３番目のパラメータセット（パラメータセット３）はタイムスロット＃９に適用される。タイムスロットにこれらのパラメータセットを補間及び／またはコピーすることにより、残りのタイムスロットにもこれらのパラメータセットが適用可能である。一般的に、パラメータセットの個数はタイムスロットの個数以下であってもよく、パラメータ帯域の個数はオーディオ信号の周波数帯域の個数以下であってもよい。オーディオ信号の全体の時間−周波数エリアの代わりに、オーディオ信号の一部の時間−周波数エリアに関する空間情報をエンコーディングすることにより、エンコーダーからデコーダーに送られる空間情報の量を低減することができる。このようなデータの低減が可能になる理由は、公知のオーディオコーディング認識の原理によれば、時間−周波数エリアにおける空間情報は、ほとんどの場合、人間の聴覚認識に十分であるためである。

開示された実施形態の重要な特徴は、パラメータセットが適用されるタイムスロットの位置を、固定個数のビットまたは可変個数のビットを用いてエンコーディングしかつデコーディングする、というところにある。また、パラメータ帯域の個数も固定個数のビットまたは可変個数のビットで表わすことができる。これに制限されるものではないが、空間オーディオコーディングに用いられる他の情報として、時間エリア、空間エリア及び／または周波数エリアに関連する情報を含む情報にも可変コーディング方式が適用可能である（例えば、フィルターバンクから出力される多数の周波数副帯域に適用される）。

図７Ａは、本発明の一実施形態による空間情報の構成情報を示すシンタックスを示している。このような構成情報は多数のビットが割当て可能な複数のフィールド７０１〜７１８を含む。

「ｂｓＳａｍｐｌｉｎｇＦｒｅｑｕｅｎｃｙＩｎｄｅｘ」フィールド７０１は、オーディオ信号のサンプリング処理から取得されるサンプリング周波数を示す。サンプリング周波数を示すために、「ｂｓＳａｍｐｌｉｎｇＦｒｅｑｕｅｎｃｙＩｎｄｅｘ」フィールド７０１には４ビットが割り当てられる。「ｂｓＳａｍｐｌｉｎｇＦｒｅｑｕｅｎｃｙＩｎｄｅｘ」フィールド７０１の値が１５、すなわち、２進数「１１１１」であれば、サンプリング周波数を示すために、「ｂｓＳａｍｐｌｉｎｇＦｒｅｑｕｅｎｃｙ」フィールド７０２が追加される。この場合、「ｂｓＳａｍｐｌｉｎｇＦｒｅｑｕｅｎｃｙ」フィールド７０２には２４ビットが割り当てられる。

「ｂｓＦｒａｍｅＬｅｎｇｔｈ」フィールド７０３は、１枚の空間フレーム内のタイムスロットの総数（以下、「ｎｕｍＳｌｏｔｓ」という。）を示し、「ｎｕｍＳｌｏｔｓ」と「ｂｓＦｒａｍｅＬｅｎｇｔｈ」フィールド７０３との間には、「ｎｕｍＳｌｏｔｓ＝ｂｓＦｒａｍｅＬｅｎｇｔｈ＋１」という関係が成り立つ。

「ｂｓＦｒｅｑＲｅｓ」フィールド７０４は、オーディオ信号の全体の周波数エリアを拡張するパラメータ帯域の総数を示す。「ｂｓＦｒｅｑＲｅｓ」フィールド７０４については図７Ｂに基づき説明する。

「ｂｓＴｒｅｅＣｏｎｆｇ」フィールド７０５は、図４に基づき説明したように、複数のチャンネル変換モジュールを含むツリー構成のための情報を示す。このようなツリー構成のための情報は、チャンネル変換モジュールのタイプ、チャンネル変換モジュールの個数、チャンネル変換モジュールに用いられた空間情報のタイプ、オーディオ信号の入力／出力チャンネルの個数などの情報を含む。

ツリー構成は、チャンネル変換モジュールのタイプまたはチャンネルの個数に応じて、５−１−５構成、５−２−５構成、７−２−７構成、７−５−７構成などのうちいずれかであってもよい。ツリー構成のうち５−２−５構成が図４に示してある。

「ｂｓＱｕａｎｔＭｏｄｅ」フィールド７０６は、空間情報の量子化モード情報を示す。

「ｂｓＯｎｅＩｃｃ」フィールド７０７は、１つのＩＣＣパラメータサブセットが全体のＯＴＴボックスに対して用いられるか否かを示す。この場合、パラメータサブセットは、特定のタイムスロット及び特定のチャンネル変換モジュールに適用されるパラメータセットを意味する。

「ｂｓＡｒｂｉｔｒａｒｙＤｏｗｎｍｉｘ」フィールド７０８は、任意のダウンミックスゲインの存否を示す。

「ｂｓＦｉｘｅｄＧａｉｎＳ（登録商標）ｕｒ」フィールド７０９は、ＬＳ（左側のサラウンド）及びＲＳ（右側のサラウンド）などのサラウンドチャンネルに適用されるゲインを示す。

「ｂｓＦｉｘｅｄＧａｉｎＬＦＥ」は、ＬＦＥチャンネルに適用されるゲインを示す。

「ｂｓＦｉｘｅｄＧａｉｎＤＭ」は、ダウンミックス信号に適用されるゲインを示す。

「ｂｓＭａｔｒｉｘＭｏｄｅ」フィールド７１２は、ステレオダウンミックス信号と互換可能な行列がエンコーダーから生成されるか否かを示す。

「ｂｓＴｅｍｐＳｈａｐｅＣｏｎｆｉｇ」フィールド７１３は、デコーダーにおける臨時の形態（例えば、ＴＥＳ（Ｔｅｍｐｏｒａｌ Ｅｎｖｅｌｏｐｅ Ｓｈａｐｉｎｇ）及び／またはＴＰ（Ｔｅｍｐｏｒａｌ Ｓｈａｐｉｎｇ））の動作モードを示す。

「ｂｓＤｅｃｏｒｒＣｏｎｆｉｇ」フィールド７１４は、デコーダーの相関分離器の動作モードを示す。

最後に、「ｂｓ３ＤａｕｄｉｏＭｏｄｅ」フィールド７１５は、ダウンミックス信号が３Ｄ信号にエンコーディングされるか否かと、逆ＨＲＴＦ処理が用いられるか否かを示す。

エンコーダー／デコーダーにおいて各フィールドの情報が決定／抽出された後、チャンネル変換モジュールに適用されるパラメータ帯域の個数に関する情報がエンコーダー／デコーダーにおいて決定／抽出される。先ず、ＯＴＴボックスに適用されるパラメータ帯域の個数が決定／抽出され（７１６）てから、ＴＴＴボックスに適用されるパラメータ帯域の個数が決定／抽出される（７１７）。ＯＴＴボックス及び／またはＴＴＴボックスに対するパラメータ帯域の個数は、以下、図８Ａ〜図９Ｂに基づき詳述する。

拡張フレームが存在する場合、「ｓｐａｔｉａｌＥｘｔｅｎｓｉｏｎＣｏｎｆｉｇ」ブロック７１８は、拡張フレームに関する構成情報を含む。「ｓｐａｔｉａｌＥｘｔｅｎｓｉｏｎＣｏｎｆｉｇ」ブロック７１８に含まれている情報について、以下、図１０Ａ〜図１０Ｄに基づき説明する。

図７Ｂは、本発明の一実施形態による空間情報信号のパラメータ帯域の個数を示す表である。「ｎｕｍＢａｎｄｓ」は、オーディオ信号の全体の周波数エリアに対するパラメータ帯域の個数を示し、「ｂｓＦｒｅｑＲｅｓ」は、パラメータ帯域の個数に関するインデックス情報を示す。例えば、オーディオ信号の全体の周波数エリアは、所望に応じて、パラメータ帯域の個数（例えば、４、５、７、１０、１４、２０、２８など）に分割可能である。

一部の実施形態においては、各パラメータ帯域に一つのパラメータが適用可能である。例えば、「ｎｕｍＢａｎｄｓ」が２８である場合、オーディオ信号の全体の周波数エリアは２８個のパラメータ帯域に分割され、これらの２８個のパラメータ帯域のそれぞれに２８個のパラメータがそれぞれ適用可能である。他の例において、「ｎｕｍＢａｎｄｓ」が４である場合、所定のオーディオ信号の全体の周波数エリアは４個のパラメータ帯域に分割され、これらの４個のパラメータ帯域のそれぞれには４個のパラメータがそれぞれ適用可能である。図７Ｂにおいて、「Ｒｅｓｅｒｖｅ」は、所定のオーディオ信号の全体の周波数エリアに対するパラメータ帯域の個数が決定されていないことを意味する。

人間の聴覚機関は、コーディング方式において用いられるパラメータ帯域の個数に敏感ではないということに留意する必要がある。このため、少数のパラメータ帯域を用いてもより多数のパラメータ帯域が用いられた場合に比べて、聴取者に類似する空間オーディオ効果を奏することができる。

「ｎｕｍＢａｎｄｓ」とは異なり、図７Ａに示す「ｂｓＦｒａｍｅｌｅｎｇｔｈ」フィールド７０３が示す「ｎｕｍＳｌｏｔｓ」は、全体の値を示すことができる。しかしながら、１枚の空間フレーム内のサンプルの個数が「ｎｕｍＳｌｏｔｓ」により明確に分割される場合、「ｎｕｍＳｌｏｔｓ」の値は制限される。このため、実質的に表わされるべき「ｎｕｍＳｌｏｔｓ」の最大値が「ｂ」であれば、「ｂｓＦｒａｍｅＬｅｎｇｔｈ」フィールド７０３の全体の値はｃｅｉｌ｛ｌｏｇ₂（ｂ）｝ビットで表わすことができる。この場合、「ｃｅｉｌ（ｘ）」は、値「ｘ」以上の最大の整数を意味する。例えば、１枚の空間フレームが７２個のタイムスロットを含む場合、ｃｅｉｌ｛ｌｏｇ₂（７２）｝＝７ビットが「ｂｓＦｒａｍｅＬｅｎｇｔｈ」フィールド７０３に割当て可能であり、チャンネル変換モジュールに適用されるパラメータ帯域の個数は「ｎｕｍＢａｎｄｓ」内において決定可能である。

図８Ａは、本発明の一実施形態により、ＯＴＴボックスに適用されるパラメータ帯域の個数を固定個数のビットで表わすシンタックスを示している。図７Ａと図８Ａを参照すると、「ｉ」は「０」において「ｎｕｍＯｔｔＢｏｘｅｓ−１」の値を有し、「ｎｕｍＯｔｔＢｏｘｅｓ」はＯＴＴボックスの総数である。すなわち、「ｉ」の値が各ＯＴＴボックスを示し、各ＯＴＴボックスに適用されるパラメータ帯域の個数は「ｉ」の値により表わされる。ＯＴＴボックスがＬＦＥチャンネルモードを有する場合、ＯＴＴボックスのＬＦＥチャンネルに適用される帯域の個数（以下、「ｂｓＯｔｔＢａｎｄｓ」という。）は固定個数のビットを用いて表わすことができる。図示の例においては、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０１に５ビットが割り当てられる。ＯＴＴボックスがＬＦＥチャンネルモードを有さない場合、総数のパラメータ帯域ｎｕｍＢａｎｄｓがＯＴＴボックスのチャンネルに割り当てられる。

図８Ｂは、本発明の一実施の形態により、ＯＴＴボックスに適用されるパラメータ帯域の個数を可変個数のビットで表わすシンタックスを示している。図８Ｂは、図８Ａとほとんど同様であるが、図８Ｂに示す「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２が可変個数のビットで表わすという点で図８Ａとは異なる。具体的に、「ｎｕｍＢａｎｄｓ」以下の値を有する「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２は、「ｎｕｍＢａｎｄｓ」を用いる可変個数のビットで表わすことができる。

「ｎｕｍＢａｎｄｓ」が２＾（ｎ−１）以上２＾（ｎ）未満の範囲に収まると、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２は可変ｎビットで表わすことができる。

例えば、（ａ）「ｎｕｍＢａｎｄｓ」が４０である場合、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２は６ビットで表わされ、（ｂ）「ｎｕｍＢａｎｄｓ」が２８または２０である場合、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２は５ビットで表わされ、（ｃ）「ｎｕｍＢａｎｄｓ」が１４または１０である場合、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２は４ビットで表わされ、（ｄ）「ｎｕｍＢａｎｄｓ」が７、５または４である場合、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２は３ビットで表わされる。

「ｎｕｍＢａｎｄｓ」が２＾（ｎ−１）超え２＾（ｎ）以下の範囲に収まると、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２は可変ｎビットで表わすことができる。

例えば、（ａ）「ｎｕｍＢａｎｄｓ」が４０である場合、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２は６ビットで表わされ、（ｂ）「ｎｕｍＢａｎｄｓ」が２８または２０である場合、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２は５ビットで表わされ、（ｃ）「ｎｕｍＢａｎｄｓ」が１４または１０である場合、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２は４ビットで表わされ、（ｄ）「ｎｕｍＢａｎｄｓ」が７または５である場合、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２は３ビットで表わされ、（ｅ）「ｎｕｍＢａｎｄｓ」が４である場合、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２は２ビットとなる。

「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２は、「ｎｕｍＢａｎｄｓ」を変数として取って最も近い整数に切り上げる関数（以下、「切り上げ関数」と言う。）により可変個数のビットで表わすことができる。

具体的に、ｉ）０＜ｂｓＯｔｔＢａｎｄｓ＜ｎｕｍＢａｎｄｓまたは０≦ｂｓＯｔｔＢａｎｄｓ＜ｎｕｍＢａｎｄｓである場合、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２はｃｅｉｌ（ｌｏｇ₂ｎｕｍＢａｎｄｓ）の値に対応する数のビットで表わされるか、あるいは、ii）０≦ｂｓＯｔｔＢａｎｄｓ≦ｎｕｍＢａｎｄｓである場合、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２はｃｅｉｌ（ｌｏｇ₂（ｎｕｍＢａｎｄｓ＋１））で表わすことができる。

「ｎｕｍＢａｎｄｓ」（以下、「ｎｕｍｂｅｒＢａｎｄｓ」という。）以下の値が任意に決定される場合、「ｂｓＢａｎｄｓ」フィールド８０２は、「ｎｕｍｂｅｒＢａｎｄｓ」を変数として取って切り上げ関数により可変個数のビットで表わすことができる。

具体的に、ｉ）０＜ｂｓＯｔｔＢａｎｄｓ≦ｎｕｍｂｅｒＢａｎｄｓまたは０≦ｂｓＯｔｔＢａｎｄｓ＜ｎｕｍｂｅｒＢａｎｄｓである場合、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２はｃｅｉｌ（ｌｏｇ₂（ｎｕｍｂｅｒＢａｎｄｓ））ビットで表わされるか、あるいは、ii）０≦ｂｓＯｔｔＢａｎｄｓ≦ｎｕｍｂｅｒＢａｎｄｓである場合、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２はｃｅｉｌ（ｌｏｇ₂（ｎｕｍｂｅｒＢａｎｄｓ＋１）で表わすことができる。

１以上のＯＴＴボックスが用いられる場合、「ｂｓＯｔｔＢａｎｄｓ」の組み合わせは以下の〔式１〕で表わすことができる：

ここで、ｂｓＯｔｔＢａｎｄｓ_iはｉ番目の「ｂｓＯｔｔＢａｎｄｓ」を示す。例えば、ＯＴＴボックスが３個存在し、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２に対して３つの値（Ｎ＝３）が存在するとする。この例において、３つのＯＴＴボックスに適用される「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２の３つの値（以下、それぞれａ１、ａ２、ａ３とする。）はそれぞれ２ビットで表わすことができる。このため、ａ１、ａ２、ａ３の値を表わすために、合計で６ビットが必要となる。しかしながら、ａ１、ａ２、ａ３の値がグループで表わされる場合、２７個（＝３＊３＊３）の場合が発生可能であり、これは５ビットで表わすことができ、１ビットを節約することになる。「ｎｕｍＢａｎｄｓ」が３であり、かつ、５ビットで表わされるグループ値が１５である場合、グループ値は１５＝１ｘ（３＾２）＋２＊（３＾１）＋０＊（３＾０）で表わすことができる。このため、デコーダーは〔式１〕の逆を適用してグループ値１５から「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２の３つの値ａ１、ａ２、ａ３をそれぞれ１、２、０に決定することができる。

多数のＯＴＴボックスの場合、「ｂｓＯｔｔＢａｎｄｓ」の組み合わせは「ｎｕｍｂｅｒＢａｎｄｓ」を用いて、〔式２〕ないし〔式４〕の内のいずれかとして表わすことができる。
「ｎｕｍｂｅｒＢａｎｄｓ」を用いる「ｂｓＯｔｔＢａｎｄｓ」の表現は〔式１〕における「ｎｕｍＢａｎｄｓ」を用いる表現とほとんど同様であるため、詳細な説明は省き、その式だけを以下に示す。

図９Ａは、本発明の一実施形態により、ＴＴＴボックスに適用されるパラメータ帯域の個数を固定個数のビットで示すシンタックスを示している。図７Ａと図９Ａを参照すると、「ｉ」は「０」において「ｎｕｍＴｔｔＢｏｘｅｓ−１」の値を有し、「ｎｕｍＴｔｔＢｏｘｅｓ」はＴＴＴボックスの総数である。すなわち、「ｉ」の値が各ＴＴＴボックスを示す。各ＴＴＴボックスに適用されるパラメータ帯域の個数は「ｉ」の値により表わされる。一部の実施形態において、ＴＴＴボックスは低周波帯域範囲と高周波帯域範囲とに分割可能であり、これらの低周波帯域範囲と高周波帯域範囲には異なる処理が適用可能である。異なる分割も行うことが可能である。

「ｂｓＴＴＴＤｕａｌＭｏｄｅ」フィールド９０１は、所定のＴＴＴボックスが低周波帯域範囲と高周波帯域範囲に対してそれぞれ異なるモード（以下、「デュアルモード」という。）にて動作するか否かを示す。例えば、「ｂｓＴＴＴＤｕａｌＭｏｄｅ」フィールド９０１の値が「０」である場合、低周波帯域範囲と高周波帯域範囲を区別することなく、全体の帯域範囲に対して単一のモードが用いられる。「ｂｓＴＴＴＤｕａｌＭｏｄｅ」フィールド９０１の値が「１」である場合、低周波帯域範囲と高周波帯域範囲に対してそれぞれ異なるモードが用いられる。

「ｂｓＴｔｔＭｏｄｅＬｏｗ」フィールド９０２は、所定のＴＴＴボックスの動作モードを示すものであり、これは種々の動作モードを有することができる。例えば、ＴＴＴボックスは、ＣＰＣパラメータとＩＣＣパラメータなどを用いる予測モード、ＣＬＤパラメータを用いるエネルギー基盤のモードなどを有することができる。ＴＴＴボックスがデュアルモードを有する場合、高周波帯域範囲に関する追加情報が必要になる。

「ｂｓＴｔｔＭｏｄｅＨｉｇｈ」フィールド９０３は、ＴＴＴボックスがデュアルモードを有する場合に高周波帯域範囲の動作モードを示す。

「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０４は、ＴＴＴボックスに適用されるパラメータ帯域の個数を示す。

「ｂｓＴｔｔＢａｎｄｓＨｉｇｈ」フィールド９０５は、「ｎｕｍＢａｎｄｓ」を有する。

ＴＴＴボックスがデュアルモードを有する場合、低帯域範囲は「０」以上「ｂｓＴｔｔＢａｎｄｓＬｏｗ」未満であり、高帯域範囲は「ｂｓＴｔｔＢａｎｄｓＬｏｗ」以上「ｂｓＴｔｔＢａｎｄｓＨｉｇｈ」未満である。

ＴＴＴボックスがデュアルモードを有さない場合、ＴＴＴボックスに適用されるパラメータ帯域の個数は「０」以上「ｎｕｍＢａｎｄｓ」未満である（９０７）。

「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０４は、固定個数のビットで表わすことができる。例えば、図９Ａに示すように、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０４を表わすために５ビットが割当て可能である。

図９Ｂは、本発明の一実施形態により、ＴＴＴボックスに適用されるパラメータ帯域の個数を可変個数のビットで表わすシンタックスを示している。図９Ｂは、図９Ａとほとんど同様であるが、図９Ｂにおいては、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７を可変個数のビットで表わし、図９Ａにおいては、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０４を固定個数のビットで表わすという点において図９Ａと図９Ｂとは異なっている。具体的に、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７は「ｎｕｍＢａｎｄｓ」以下の値を有するため、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７は「ｎｕｍＢａｎｄｓ」を用いる可変個数のビットで表わすことができる。

具体的に、「ｎｕｍＢａｎｄｓ」が２＾（ｎ−１）以上２＾（ｎ）未満の範囲に収まると、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７はｎビットで表わすことができる。

例えば、（ｉ）「ｎｕｍＢａｎｄｓ」が４０である場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７は６ビットで表わされ、（ii）「ｎｕｍＢａｎｄｓ」が２８または２０である場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７は５ビットで表わされ、（iii ）「ｎｕｍＢａｎｄｓ」が１４または１０である場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７は４ビットで表わされ、（iv）「ｎｕｍＢａｎｄｓ」が７、５または４である場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７は３ビットで表わされる。

「ｎｕｍＢａｎｄｓ」が２＾（ｎ−１）超え２＾（ｎ）以下の範囲に収まると、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７は可変ｎビットで表わすことができる。

例えば、（ｉ）「ｎｕｍＢａｎｄｓ」が４０である場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７は６ビットで表わされ、（ii）「ｎｕｍＢａｎｄｓ」が２８または２０である場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７は５ビットで表わされ、（iii ）「ｎｕｍＢａｎｄｓ」が１４または１０である場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７は４ビットで表わされ、（iv）「ｎｕｍＢａｎｄｓ」が７または５である場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７は３ビットで表わされ、（ｖ）「ｎｕｍＢａｎｄｓ」が４である場合、「ｂｓＯｔｔＢａｎｄｓ」フィールド８０２は２ビットで表わされる。

「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７は、「ｎｕｍＢａｎｄｓ」を変数として取って最も近い整数に切り上げて決定される個数のビットで表わすことができる。

例えば、ｉ）０＜ｂｓＯｔｔＢａｎｄｓＬｏｗ≦ｎｕｍＢａｎｄｓまたは０≦ｂｓＯｔｔＢａｎｄｓＬｏｗ＜ｎｕｍＢａｎｄｓである場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７はｃｅｉｌ（ｌｏｇ₂（ｎｕｍＢａｎｄｓ））の値に対応する数のビットで表わされるか、あるいは、ii）０≦ｂｓＯｔｔＢａｎｄｓＬｏｗ≦ｎｕｍＢａｎｄｓである場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７はｃｅｉｌ（ｌｏｇ₂（ｎｕｍＢａｎｄｓ＋１））で表わすことができる。

「ｎｕｍＢａｎｄｓ」、すなわち、「ｎｕｍｂｅｒＢａｎｄｓ」以下の値が任意に決定される場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７は、「ｎｕｍｂｅｒＢａｎｄｓ」を用いて可変個数のビットで表わすことができる。

具体的に、ｉ）０＜ｂｓＯｔｔＢａｎｄｓＬｏｗ≦ｎｕｍｂｅｒＢａｎｄｓまたは０≦ｂｓＯｔｔＢａｎｄｓＬｏｗ＜ｎｕｍｂｅｒＢａｎｄｓである場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７はｃｅｉｌ（ｌｏｇ₂（ｎｕｍｂｅｒＢａｎｄｓ））の値に対応する数のビットで表わされるか、あるいは、ii）０≦ｂｓＯｔｔＢａｎｄｓＬｏｗ≦ｎｕｍｂｅｒＢａｎｄｓである場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」フィールド９０７はｃｅｉｌ（ｌｏｇ₂（ｎｕｍｂｅｒＢａｎｄｓ＋１）の値に対応する数のビットで表わすことができる。

多数のＴＴＴボックスが用いられる場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」の組み合わせは以下の〔式５〕で表わすことができる：

ここで、ｂｓＴｔｔＢａｎｄｓＬｏｗ_iはｉ番目の「ｂｓＴｔｔＢａｎｄｓＬｏｗ」を示す。〔式５〕の意味は〔式１〕の意味と同様であるため、〔式５〕の詳細な説明は省く。
多数のＴＴＴボックスの場合、「ｂｓＴｔｔＢａｎｄｓＬｏｗ」の組み合わせは「ｎｕｍｂｅｒＢａｎｄｓ」を用いる〔式６〕乃至〔式８〕の意味は〔式２〕乃至〔式４〕の意味と同一であるので、〔式６〕乃至〔式８〕についての詳細な説明は省略する。

チャンネル変換モジュール（例えば、ＯＴＴボックス及び／またはＴＴＴボックスなど）に適用されるパラメータ帯域の個数は「ｎｕｍＢａｎｄｓ」の分割値として表わすことができる。この場合、上述した分割値は、「ｎｕｍＢａｎｄｓ」の半分値または特定の値で「ｎｕｍＢａｎｄｓ」を割った結果値を用いる。

ＯＴＴ及び／またはＴＴボックスに適用されるパラメータ帯域の個数が一旦決定されると、前記パラメータ帯域の個数の範囲内において各ＯＴＴボックス及び／または各ＴＴＴボックスに適用可能なパラメータセットが決定される。各ＯＴＴボックス及び／または各ＴＴＴボックスには各パラメータセットがタイムスロット単位で適用可能である。すなわち、１個のタイムスロットに一つのパラメータセットが適用可能である。

以上の述べたように、１枚の空間フレームは複数のタイムスロットを含むことができる。空間フレームが固定フレームタイプである場合、複数のタイムスロットには等間隔にてパラメータセットが適用可能である。空間フレームが可変フレームタイプである場合、パラメータが適用されるタイムスロットの位置情報が必要となる。これについては、図１３Ａ〜１３Ｃに基づき後述する。

図１０Ａは、本発明の一実施形態により空間拡張フレームに関する空間拡張構成情報を示すシンタックスを示している。空間拡張構成情報は、「ｂｓＳａｃＥｘｔＴｙｐｅ」フィールド１００１と、「ｂｓＳａｃＥｘｔＬｅｎ」フィールド１００２と、「ｂｓＳａｃＥｘｔＬｅｎＡｄｄ」フィールド１００３と、「ｂｓＳａｃＥｘｔＬｅｎＡｄｄＡｄｄ」フィールド１００４と、「ｂｓＦｉｌｌＢｉｔｓ」フィールド１００７と、を含む。他のフィールドも採用可能である。

「ｂｓＳａｃＥｘｔＴｙｐｅ」フィールド１００１は、空間拡張フレームのデータタイプを示す。例えば、空間拡張フレームは、「０」、レジデュアル信号データ、任意のダウンミックスレジデュアル信号データまたは任意のツリーデータで詰め込むことができる。

「ｂｓＳａｃＥｘｔＬｅｎ」フィールド１００２は、空間拡張構成情報のバイト数を示す。

「ｂｓＳａｃＥｘｔＬｅｎＡｄｄ」フィールド１００３は、空間拡張構成情報のバイト数が、例えば１５以上である場合、空間拡張構成情報の追加バイト数を示す。

「ｂｓＳａｃＬｅｎＡｄｄＡｄｄ」フィールド１００４は、空間拡張構成情報のバイト数が、例えば２７０以上である場合、空間拡張構成情報の追加バイト数を示す。

エンコーダー／デコーダーにおいて各フィールドが決定／抽出された後、空間拡張フレームに含まれるデータタイプに関する構成情報が決定される（１００５）。

上述したように、空間拡張フレームにはレジデュアル信号データ、任意のダウンミックスレジデュアル信号データ、ツリー構成データなどが含まれ得る。

続けて、空間拡張構成情報の長さのうち未使用のビットの個数が算出される（１００６）。

「ｂｓＦｉｌｌＢｉｔｓ」フィールド１００７は、未使用のビットを詰め込むために見逃しうるデータのビット数を示す。

図１０Ｂと図１０Ｃは、本発明の一実施形態により、空間拡張フレームにレジデュアル信号が含まれる場合、レジデュアル信号のための空間拡張情報を示すシンタックスを示している。

図１０Ｂを参照すると、「ｂｓＲｅｓｉｄｕａｌＳａｍｐｌｉｎｇＦｒｅｑｕｅｎｃｙＩｎｄｅｘ」フィールド１００８は、レジデュアル信号のサンプリング周波数を示す。

「ｂｓＲｅｓｉｄｕａｌＦｒａｍｅｓＰｅｒＳｐａｔｉａｌＦｒａｍｅ」フィールド１００９は、空間フレーム当たりのレジデュアルフレームの本数を示す。例えば、１枚の空間フレームに１枚、２枚 、３枚または４枚のレジデュアルフレームが含まれうる。

「ＲｅｓｉｄｕａｌＣｏｎｆｉｇ」フィールド１０１０は、各ＯＴＴ及び／またはＴＴＴボックスに適用されるレジデュアル信号に対するパラメータ帯域の個数を示す。

図１０Ｃを参照すると、「ｂｓＲｅｓｉｄｕａｌＰｒｅｓｅｎｔ」フィールド１０１１は、各ＯＴＴ及び／またはＴＴＴボックスにレジデュアル信号が適用されるか否かを示す。

「ｂｓＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１２は、各ＯＴＴ及び／又はＴＴＴボックスにレジデュアル信号が存在する場合、各ＯＴＴ及び／又はＴＴＴボックスに存在するレジデュアル信号のパラメータ帯域の個数を示す。レジデュアル信号のパラメータ帯域の個数は固定個数のビットまたは可変個数のビットで表わすことができる。パラメータ帯域の個数が固定個数のビットで表わされる場合、レジデュアル信号はオーディオ信号のパラメータ帯域の総数以下の値を有することができる。このため、全体のパラメータ帯域の個数を示すために必要となるビット数（例えば、図１０Ｃにおける５ビットなど）が割当て可能である。

図１０Ｄは、本発明の一実施形態により、レジデュアル信号のパラメータ帯域の個数を可変個数のビットで表わすシンタックスを示している。「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４は、「ｎｕｍＢａｎｄｓ」を用いる可変個数のビットで表わすことができる。

「ｎｕｍＢａｎｄｓ」が２＾（ｎ−１）以上２＾（ｎ）未満であれば、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４はｎビットで表わすことができる。

例えば、（ｉ）「ｎｕｍＢａｎｄｓ」が４０である場合、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４は６ビットで表わされ、（ii）「ｎｕｍＢａｎｄｓ」が２８または２０である場合、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４は５ビットで表わされ、（iii ）「ｎｕｍＢａｎｄｓ」が１４または１０である場合、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４は４ビットで表わされ、（iv）「ｎｕｍＢａｎｄｓ」が７、５または４である場合、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４は３ビットで表わされる。

「ｎｕｍＢａｎｄｓ」が２＾（ｎ−１）超え２＾（ｎ）以下であれば、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４は可変ｎビットで表わすことができる。

例えば、（ｉ）「ｎｕｍＢａｎｄｓ」が４０である場合、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４は６ビットで表わされ、（ii）「ｎｕｍＢａｎｄｓ」が２８または２０である場合、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４は５ビットで表わされ、（iii ）「ｎｕｍＢａｎｄｓ」が１４または１０である場合、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４は４ビットで表わされ、（iv）「ｎｕｍＢａｎｄｓ」が７または５である場合、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４は３ビットで表わされ、（ｖ）「ｎｕｍＢａｎｄｓ」が４である場合、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４は２ビットで表わされる。

また、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４は、「ｎｕｍＢａｎｄｓ」を変数として取って最も近い整数に切り上げて決定される切り上げ関数により決定されるビット数で表わすことができる。

具体的に、ｉ）０＜ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ≦ｎｕｍＢａｎｄｓまたは０≦ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ＜ｎｕｍＢａｎｄｓである場合、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４はｃｅｉｌ（ｌｏｇ₂（ｎｕｍＢａｎｄｓ））ビットで表わされるか、あるいは、ii）０≦ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ≦ｎｕｍＢａｎｄｓである場合、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４はｃｅｉｌ（ｌｏｇ₂（ｎｕｍＢａｎｄｓ＋１））ビットで表わすことができる。

一部の実施形態においては、「ｎｕｍＢａｎｄｓ」以下の値「ｎｕｍｂｅｒＢａｎｄｓ」を用いて「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４を表わすことができる。

具体的に、ｉ）０＜ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ≦ｎｕｍｂｅｒＢａｎｄｓまたは０≦ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ＜ｎｕｍｂｅｒＢａｎｄｓである場合、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４はｃｅｉｌ（ｌｏｇ₂（ｎｕｍｂｅｒＢａｎｄｓ））ビットで表わされるか、あるいは、ii）０≦ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ≦ｎｕｍｂｅｒＢａｎｄｓである場合、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」フィールド１０１４はｃｅｉｌ（ｌｏｇ₂（ｎｕｍｂｅｒＢａｎｄｓ＋１））の値で表わすことができる。

複数のレジデュアル信号Ｎが存在する場合、「ｂｅＲｅｓｉｄｕａｌＢａｎｄｓ」の組み合わせは、以下の〔式９〕で表わすことができる：

この場合、ｂｓＲｅｓｉｄｕａｌＢａｎｄｓ_iはｉ番目の「ｂｓＲｅｓｉｄｕａｌＢａｎｄｓ」を示す。
〔式９〕の意味は〔式１〕の意味と同一であるため、〔式９〕の詳細な説明は省略する。

多数のレジデュアル信号が存在する場合、「ｂｓＲｅｓｉｄｕａｌＢａｎｄｓ」の組み合わせは「ｎｕｍｂｅｒＢａｎｄｓ」を用いる〔式１０〕乃至〔式１２〕の内のいずれかとして表わすことができる。「ｎｕｍｂｅｒＢａｎｄｓ」を用いて「ｂｓＲｅｓｉｄｕａｌＢａｎｄｓ」を表わすことは〔式２〕乃至〔式４〕とほとんど同様であるため、詳細な説明を省く。

レジデュアル信号のパラメータ帯域の個数は「ｎｕｍＢａｎｄｓ」の分割値として表わすことができる。この場合、上述した分割値は、「ｎｕｍＢａｎｄｓ」の半分値または特定の値で「ｎｕｍＢａｎｄｓ」を割った結果値を用いる。

レジデュアル信号はダウンミックス信号及び空間情報信号と共にオーディオ信号のビットストリームに含まれてもよく、このようなビットストリームはデコーダーに転送可能である。デコーダーは、このようなビットストリームから前記ダウンミックス信号と、空間情報信号及びレジデュアル信号を抽出することができる。

続けて、ダウンミックス信号は空間情報を用いてアップミックスされる。一方、レジデュアル信号はアップミックスの過程においてダウンミックス信号に適用される。具体的に、ダウンミックス信号は空間情報を用いる複数のチャンネル変換モジュールにおいてアップミックスされる。このような過程において、レジデュアル信号がチャンネル変換モジュールに適用される。以上述べたように、チャンネル変換モジュールは複数のパラメータ帯域を有し、パラメータセットはタイムスロット単位でチャンネル変換モジュールに適用される。レジデュアル信号がチャンネル変換モジュールに適用される場合、レジデュアル信号が適用されるオーディオ信号のチャンネル間相関情報を更新するためにはレジデュアル信号が必要となる。このような更新されたチャンネル間相関情報はアップミキシング処理に用いられる。

図１１Ａは、本発明の一実施形態によるノンガイドコーディングのためのデコーダーを示すブロック図である。ノンガイドコーディングは、オーディオ信号のビットストリームに空間情報が含まれていないことを意味する。

一部の実施形態において、デコーダーは、解析フィルターバンク１１０２と、解析部１１０４と、空間合成部１００６と、合成フィルターバンク１１０８と、を備える。図１１Ａにはステレオ信号タイプのダウンミックス信号が示されているが、他のタイプのダウンミックス信号が使用可能である。

動作に際し、デコーダーはダウンミックス信号１１０１を受信し、解析フィルターバンク１１０２は前記受信されたダウンミックス信号１１０１を周波数エリア信号１１０３に変換する。解析部１１０４は、前記変換されたダウンミックス信号１１０３から空間情報を生成する。解析部１１０４がスロット単位で処理を行い、複数のスロットごとに空間情報１１０５を生成することができる。この場合、スロットはタイムスロットを含む。

空間情報は２ステップで生成可能である。第一に、ダウンミックス信号からダウンミックスパラメータが生成される。第二に、前記ダウンミックスパラメータは空間パラメータなどの空間情報に変換される。一部の実施形態において、ダウンミックスパラメータはダウンミックス信号の行列演算により生成可能である。

空間合成部１１０６は、前記生成された空間情報１１０５とダウンミックス信号１１０３とを合成してマルチチャンネルオーディオ信号１１０７を生成する。前記生成されたマルチチャンネルオーディオ信号１１０７は、合成フィルターバンク１１０８を通過して時間エリアオーディオ信号１１０９に変換される。

空間情報は所定のスロット位置に生成可能である。このような位置間距離は同じであってもよい（すなわち、等距離）。例えば、空間情報は４個のスロットごとに生成可能である。また、空間情報は可変スロット位置に生成可能である。この場合、空間情報が生成される位置情報がビットストリームから抽出可能である。前記位置情報は可変個数のビットで表わすことができる。前記位置は以前のスロット位置情報からの絶対値及び差分値として表わすことができる。

ノンガイドコーディングを用いる場合、オーディオ信号の各チャンネルに対するパラメータ帯域の個数（以下、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」という。）は、固定個数のビットで表わすことができる。「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は、「ｎｕｍＢａｎｄｓ」を用いる可変個数のビットで表わすことができる。例えば、「ｎｕｍＢａｎｄｓ」が２＾（ｎ−１）以上２＾（ｎ）未満であれば、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は可変ｎビットで表わすことができる。

具体的に、（ａ）「ｎｕｍＢａｎｄｓ」が４０である場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は６ビットで表わされ、（ｂ）「ｎｕｍＢａｎｄｓ」が２８または２０である場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は５ビットで表わされ、（ｃ）「ｎｕｍＢａｎｄｓ」が１４または１０である場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は４ビットで表わされ、（ｄ）「ｎｕｍＢａｎｄｓ」が７、５または４である場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は３ビットで表わされる。

「ｎｕｍＢａｎｄｓ」が２＾（ｎ−１）超え２＾（ｎ）以下であれば、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は可変ｎビットで表わすことができる。

例えば、（ａ）「ｎｕｍＢａｎｄｓ」が４０である場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は６ビットで表わされ、（ｂ）「ｎｕｍＢａｎｄｓ」が２８または２０である場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は５ビットで表わされ、（ｃ）「ｎｕｍＢａｎｄｓ」が１４または１０である場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は４ビットで表わされ、（ｄ）「ｎｕｍＢａｎｄｓ」が７または５である場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は３ビットで表わされ、（ｅ）「ｎｕｍＢａｎｄｓ」が４である場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は２ビットで表わされる。

また、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は「ｎｕｍＢａｎｄｓ」を変数として取る切り上げ関数を用いて可変個数のビットで表わすことができる。

例えば、ｉ）０＜ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ≦ｎｕｍＢａｎｄｓまたは０≦ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ＜ｎｕｍＢａｎｄｓである場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」はｃｅｉｌ（ｌｏｇ₂（ｎｕｍＢａｎｄｓ）ビットで表わされるか、あるいは、ii）０≦ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ≦ｎｕｍＢａｎｄｓである場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」はｃｅｉｌ（ｌｏｇ₂（ｎｕｍＢａｎｄｓ＋１））ビットで表わすことができる。

「ｎｕｍＢａｎｄｓ」以下の値、すなわち、「ｎｕｍｂｅｒＢａｎｄｓ」が任意に決定される場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は以下のように表わすことができる。

具体的に、ｉ）０＜ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ≦ｎｕｍｂｅｒＢａｎｄｓまたは０≦ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ＜ｎｕｍｂｅｒＢａｎｄｓである場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」はｃｅｉｌ（ｌｏｇ₂（ｎｕｍｂｅｒＢａｎｄｓ））ビットで表わされるか、あるいは、ii）０≦ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ≦ｎｕｍｂｅｒＢａｎｄｓである場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」はｃｅｉｌ（ｌｏｇ₂（ｎｕｍｂｅｒＢａｎｄｓ＋１））で表わすことができる。

多数のチャンネルＮが用いられる場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」の組み合わせは以下の〔式１３〕で表わすことができる：

ここで、「ｂｓＮｕｍＧｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ_i」はｉ番目の「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」を示す。
〔式１３〕の意味は〔式１〕の意味と同様であるため、〔式１３〕の詳細な説明は省く。

多数のチャンネルが存在する場合、「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」は「ｎｕｍｂｅｒＢａｎｄｓ」を用いる〔式１４〕乃至〔式１６〕の内のいずれかとして表わすことができる。「ｎｕｍｂｅｒＢａｎｄｓ」を用いる「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」の表現は〔式２〕乃至〔式４〕の表現と同様であるため、〔式１４〕乃至〔式１６〕の詳細な説明は省く。

図１１Ｂは、本発明の一実施形態によりパラメータ帯域の個数をグループとして表わす方法を示している。パラメータ帯域の個数は、チャンネル変換モジュールに適用されるパラメータ帯域の個数情報と、レジデュアル信号に適用されるパラメータ帯域の個数情報と、ノンガイドコーディングを用いる場合にオーディオ信号の各チャンネルに関するパラメータ帯域の個数情報と、を含む。パラメータ帯域の個数情報が複数存在する場合、複数の個数情報（例えば、「ｂｓＯｔｔＢａｎｄｓ」、「ｂｓＴｔｔＢａｎｄｓ」、「ｂｓＲｅｓｉｄｕａｌＢａｎｄｓ」及び／または「ｂｓＮｕｍｇｕｉｄｅｄＢｌｉｎｄＢａｎｄｓ」など）は少なくとも一つのグループとして表わすことができる。

図１１Ｂを参照すると、パラメータ帯域の個数情報が（ｋＮ＋Ｌ）個存在し、かつ、各パラメータ帯域の個数情報を表わすのにＱビットが必要となる場合、複数のパラメータ帯域の個数情報は以下のグループで表わすことができる。この場合、「ｋ」と「Ｎ」は「０」ではない任意の整数であり、「Ｌ」は０≦Ｌ＜Ｎを満たす任意の整数である。

グループ化方法は、パラメータ帯域の個数情報Ｎ個を束ねてｋ個のグループを生成するステップと、最後のパラメータ帯域の個数情報Ｌ個を束ねて最終のグループを生成するステップと、を含む。Ｋ個のグループはＭビットで表わすことができ、最終のグループはｐビットで表わすことができる。この場合、Ｍビットが、好ましくは、パラメータ帯域の個数情報のそれぞれをグループ化することなく表わす場合に用いられるＮ＊Ｑビットよりも小さい。Ｐビットが、好ましくは、パラメータ帯域の個数情報のそれぞれをグループ化することなく表わす場合に用いられるＬ＊Ｑビット以下である。

例えば、パラメータ帯域の個数情報の２つがそれぞれｂ１とｂ２であるとする。ｂ１とｂ２がそれぞれ５個の値を有する場合、ｂ１とｂ２のそれぞれを表わすのに３ビットが必要である。この場合、たとえ３ビットは８個の値を表わすことができるとしても、実質的には５個の値が必要となる。このため、ｂ１とｂ２のそれぞれは３個の余分を有する。しかしながら、ｂ１とｂ２を束ねてグループとして表わす場合には、６ビット（＝３ビット＋３ビット）の代わりに５ビットが用いられる。具体的に、ｂ１とｂ２との全ての組み合わせは２５個（＝５＊５）のタイプを有するため、ｂ１とｂ２のグループは５ビットで表わすことができる。５ビットは３２個の値を表わすことができるため、グループ化表現の場合、７個の余分が生成される。しかしながら、ｂ１とｂ２をグループ化して表わす場合、その余分はｂ１とｂ２をそれぞれ３ビットで表わす場合の余分よりも小さい。複数のパラメータ帯域の個数情報をグループとして表わす方法は、以下のような種々の方式により実現可能である。

複数のパラメータ帯域の個数情報がそれぞれ４０種類の値を有する場合、Ｎとして２、３、４、５または６を用いてｋ個のグループが生成される。これらのｋ個のグループはそれぞれ１１ビット、１６ビット、２２ビット、２７ビット、３２ビットとして表わすことができる。あるいは、これらのｋ個のグループは各場合を組み合わせて表わされる。

複数のパラメータ帯域の個数情報がそれぞれ２８種類の値を有する場合、Ｎとして６を用いてｋ個のグループが生成され、ｋは２９ビットで表わすことができる。

複数のパラメータ帯域の個数情報がそれぞれ２０種類の値を有する場合、Ｎとして２、３、４、５、６または７を用いてｋ個のグループが生成される。これらのｋ個のグループはそれぞれ９ビット、１３ビット、１８ビット、２２ビット、２６ビット及び３１ビットとして表わすことができる。あるいは、これらのｋ個のグループは各場合を組み合わせて表わすことができる。

複数のパラメータ帯域の個数情報がそれぞれ１４種類の値を有する場合、Ｎとして６を用いてｋ個のグループが生成される。これらのｋ個のグループは２３ビットで表わすことができる。

複数のパラメータ帯域の個数情報がそれぞれ１０種類の値を有する場合、Ｎとして２、３、４、５、６、７、８または９を用いてｋ個のグループが生成される。これらのｋ個のグループはそれぞれ７、１０、１４、１７、２０、２４、２７及び３０ビットで表わすことができる。あるいは、これらのｋ個のグループは各場合を組み合わせて表わすことができる。

複数のパラメータ帯域の個数情報がそれぞれ７種類の値を有する場合、Ｎとして６、７、８、９、１０または１１を用いてｋ個のグループが生成される。これらのｋ個のグループはそれぞれ１７、２０、２３、２６、２９及び３１ビットで表わすことができる。あるいは、これらのｋ個のグループは各場合を組み合わせて表わすことができる。

複数のパラメータ帯域の個数情報がそれぞれ５種類の値を有する場合、Ｎとして２、３、４、５、６、７、８、９、１０、１１、１２または１３を用いてｋ個のグループが生成可能である。これらのｋ個のグループはそれぞれ５、７、１０、１２、１３、１７、１９、２１、２４、２６、２８及び３１ビットで表わすことができる。あるいは、これらのｋ個のグループは各場合を組み合わせて表わすことができる。

また、複数のパラメータ帯域の個数情報は、上述したグループとして表わされるように構成可能であるか、または、パラメータ帯域の個数情報のそれぞれを独立したビットシーケンスとして連続して表わされるように構成可能である。

図１２は、本発明の一実施形態により空間フレームの構成情報を示すシンタックスを示している。空間フレームは、「ＦｒａｍｉｎＩｎｆｏ」ブロック１２０１と、「ｂｓＩｎｄｅｐｅｎｄｅｎｃｙＦｌａｇ」ブロック１２０１と、「Ｏｔｔｄａｔａ」ブロック１２０３と、「Ｔｔｔｄａｔａ」ブロック１２０４と、「ＳｍｇＤａｔａ」ブロック１２０５と、「ＴｅｍｐＳｈａｐｅＤａｔａ」ブロック１２０６と、を含む。

「ＦｒａｍｉｎｇＩｎｆｏ」ブロック１２０１は、パラメータセットの個数に関する情報と、各パラメータが適用されるタイムスロットに関する情報と、を含む。「ＦｒａｍｉｎｇＩｎｆｏ」ブロック１２０１については、図１３Ａに基づき詳述する。

「ｂｓＩｎｄｅｐｅｎｄｅｎｃｙＦｌａｇ」フィールド１２０２は、現在のフレームが以前フレームに関する知識無しにデコーディング可能であるか否かを示す。

「ＯｔｔＤａｔａ」ブロック１２０３は、全体のＯＴＴボックスに関する全体の空間パラメータ情報を含む。

「ＴｔｔＤａｔａ」ブロック１２０４は、全体のＴＴＴボックスに関する全体の空間パラメータ情報を含む。

「ＳｍｇＤａｔａ」ブロック１２０５は、非量子化された空間パラメータに適用される臨時平坦化に関する情報を含む。

「ＴｅｍｐＳｈａｐｅＤａｔａ」ブロック１２０６は、非相関信号に適用される臨時エンベロープ形状化に関する情報を含む。

図１３Ａは、本発明の一実施形態により、パラメータセットが適用されるタイムスロット位置情報を示すシンタックスを示している。「ｂｓＦｒａｍｉｎｇＴｙｐｅ」フィールド１３０１はオーディオ信号の空間フレームが固定フレームタイプであるか、あるいは、可変フレームタイプであるかを示す。固定フレームとは、予め設定されたタイムスロットにパラメータセットが適用されるフレームのことを言う。例えば、等間隔にて予め設定されたタイムスロットにパラメータセットが適用される。可変フレームとは、パラメータセットが適用されるタイムスロットの位置情報を別途に受信するフレームのことを言う。

「ｂｓＮｕｍＰａｒａｍＳｅｔｓ」フィールド１３０２は、１枚の空間フレーム内においてパラメータセットの個数を示し（以下、「ｎｕｍＰａｒａｍＳｅｔｓ」という。）、「ｎｕｍＰａｒａｍＳｅｔｓ」と「ｂｓＮｕｍＰａｒａｍＳｅｔｓ」との間には「ｎｕｍＰａｒａｍＳｅｔｓ＝ｂｓＮｕｍｐａｒａＳｅｔｓ＋１」の関係が成り立つ。

例えば、図１３Ａの「ｂｓＮｕｍＰａｒａｓｅｔｓ」フィールド１３０２に３ビットが割り当てられると、１枚の空間フレーム内には最大８個のパラメータセットが提供可能である。割り当てられるビットの個数については制限がないため、空間フレーム内により多くのパラメータセットが提供可能である。

空間フレームが固定フレームタイプである場合、パラメータセットが適用されるタイムスロットの位置情報は予め設定された規則により決定可能であり、パラメータセットが適用されるタイムスロットの追加的な位置情報は不要である。しかしながら、空間フレームが可変フレームタイプである場合、パラメータセットが適用される位置情報が必要となる。

「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０３は、パラメータセットが適用されるタイムスロットの位置情報を示す。「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０３は、１枚の空間フレーム内におけるタイムスロットの個数、すなわち、「ｎｕｍＳｌｏｔｓ」を用いて可変個数のビットで表わすことができる。具体的に、「ｎｕｍＳｌｏｔｓ」が２＾（ｎ−１）以上２＾（ｎ）未満の範囲に収まると、「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０３はｎビットで表わすことができる。

例えば、（ｉ）「ｎｕｍＳｌｏｔｓ」が６４と１２７との間の範囲にある場合、「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０３は７ビットで表わされ、（ii）「ｎｕｍＳｌｏｔｓ」が３２と６３との間の範囲にある場合、「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０３は６ビットで表わされ、（iii ）「ｎｕｍＳｌｏｔｓ」が１６と３１との間の範囲にある場合、「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０３は５ビットで表わされ、（iv）「ｎｕｍＳｌｏｔｓ」が８と１５との間の範囲にある場合、「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０３は４ビットで表わされ、（ｖ）「ｎｕｍＳｌｏｔｓ」が４と７との間の範囲にある場合、「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０３は３ビットで表わされ、（vi）「ｎｕｍＳｌｏｔｓ」が２と３との間の範囲にある場合、「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０３は２ビットで表わされ、（vii ）「ｎｕｍＳｌｏｔｓ」が１である場合、「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０３は１ビットで表わされ、（viii）「ｎｕｍＳｌｏｔｓ」が０である場合、「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０３は０ビットで表わすことができる。これと同様に、「ｎｕｍＳｌｏｔｓ」が６４と１２７との間の範囲にある場合、「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０３は７ビットで表わすことができる。

多数のパラメータセットＮが存在する場合、「ｂｓＰａｒａｍＳｌｏｔ」の組み合わせは〔式１７〕により表わすことができる。

この場合、「ｂｓＰａｒａｍＳｌｏｔ_i」はＩ番目のパラメータセットが適用されるタイムスロットを示す。例えば、「ｎｕｍＳｌｏｔｓ」が３であり、かつ、「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０３が１０個の値を有することができるとする。この場合、「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０３に関する３つの情報（以下、それぞれ、ｃ１、ｃ２、ｃ３という。）が必要となる。ｃ１、ｃ２、ｃ３のそれぞれを表わすためには４ビットが必要であるため、合計で１２ビットが必要となる。ｃ１、ｃ２、ｃ３をグループに束ねて表わす場合、１、０００個（＝１０＊１０＊１０）の場合が発生可能であり、これは１０ビットで表わされ、２ビットを節約することになる。「ｎｕｍＳｌｏｔｓ」が３であり、かつ、５ビットで表わされるグループ値が３１である場合、グループ値は３１＝１ｘ（３＾２）＋５＊（３＾１）＋７＊（３＾０）で表わすことができる。このため、デコーダー装置は〔式９〕の逆を適用してｃ１、ｃ２、ｃ３をそれぞれ１、５、７に決定することができる。

図１３Ｂは、本発明の一実施形態によりパラメータセットが絶対値及び差分値として適用されるタイムスロットの位置情報を示すシンタックスを示している。空間フレームが可変フレームタイプである場合、図１３Ａにおける「ｂｓＰａｒａｍＳｌｏｔ」フィールド１３０１は「ｂｓＰａｒａｍＳｌｏｔ」情報が単調増加するということを用いて絶対値及び差分値で表わすことができる。

例えば、（ｉ）最初のパラメータセットが適用されるタイムスロットの位置は絶対値、すなわち、「ｂｓＰａｒａｍＳｌｏｔ［０］」として生成可能であり、（ii）２番目以上のパラメータセットが適用されるタイムスロットの位置は絶対値、すなわち、「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ］」と「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ−１］」との間の「ｄｉｆｆｅｒｅｎｃｅ ｖａｌｕｅ」または「ｄｉｆｆｅｒｅｎｃｅ ｖａｌｕｅ−１」として生成可能である（以下、「ｂｓＤｉｆｆＰａｒａｍＳｌｏｔ［ｐｓ］」という。）。この場合、「ｐｓ」はパラメータセットを意味する。

「ｂｓＰａｒａｍＳｌｏｔ［０］」フィールド１３０４は「ｎｕｍＳｌｏｔｓ」と「ｎｕｍＰａｒａｍＳｅｔｓ」を用いて算出される個数のビットで表わすことができる（以下、「ｎＢｉｔｓＰａｒａｍＳｌｏｔ（０）」という。）。

「ｂｓＤｉｆｆＰａｒａｍＳｌｏｔ［ｐｓ]」フィールド１３０５は、「ｎｕｍＳｌｏｔｓ」、「ｎｕｍＰａｒａｍＳｅｔｓｔ」及び以前のパラメータセットが適用されたタイムスロットの位置を用いて算出される個数のビットで表わすことができる（以下、「ｎＢｉｔＰａｒａｍＳｌｏｔ（ｐｓ）」という。）。

具体的に、最小数のビットで「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ］」を表わすために、「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ］」を表わすビットの個数は以下の規則により決定可能である：（ｉ）複数の「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ］」は昇順に増加する（ｂｓＰａｒａｍＳｌｏｔ［ｐｓ］＞ｂｓＰａｒａｍＳｌｏｔ［ｐｓ−１］）、（ii）「ｂｓＰａｒａｍＳｌｏｔ［０］」の最大値は「ｎｕｍＳｌｏｔｓ−ＮｕｍＰａｒａｍＳｅｔｓ」であり、（iii ）０＜ｐｓ＜ｎｕｍＰａｒａｍＳｅｔｓである場合、「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ］」は「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ−１］＋１」と「ｎｕｍＳｌｏｔｓ−ｎｕｍＰａｒａｍＳｅｔｓ＋ｐｓ」との間の値だけを有する。

例えば、「ｎｕｍＳｌｏｔｓ」が１０であり、かつ、「ｎｕｍＰａｒａｍＳｅｔｓ」が３である場合、「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ］」は昇順に増加するため、「ｂｓＰａｒａｍＳｌｏｔ［０］」の最大値は「１０−３＝７」となる。すなわち、「ｂｓＰａｒａｍＳｌｏｔ［０］」は０〜７の値から選ばれる必要がある。これは、「ｂｓＰａｒａｍＳｌｏｔ［０］」が７以上の値を有する場合、残りのパラメータセットに対するタイムスロットの個数が十分ではないためである。

「ｂｓＰａｒａｍＳｌｏｔ［０］」が５である場合、２番目のパラメータセットに対するタイムスロット位置ｂｓＰａｒａｍＳｌｏｔ［１］は「５＋１＝６」と「１０−３＋１＝８」との間の値から選ばれる必要がある。

「ｂｓＰａｒａｍＳｌｏｔ［１］」が７であれば、「ｂｓＰａｒａｍＳｌｏｔ［２］」は８または９になりうる。「ｂｓＰａｒａｍＳｌｏｔ［１］」が８であれば、「ｂｓＰａｒａｍＳｌｏｔ［２］」は９になりうる。

このため、「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ]」は、固定ビットとして表わされる代わりに、上記の特徴を用いて可変個数のビットで表わすことができる。

「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ］」をビットストリームに構成するに当たって、「ｐｓ」が０である場合、「ｂｓＰａｒａｍＳｌｏｔ［０］」は「ｎＢｉｔｓＰａｒａｍＳｌｏｔ（０）」に対応する数のビットにより絶対値として表わすことができる。「ｐｓ」が０よりも大きな場合、「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ］」は「ｎＢｉｔｓＰａｒａＳｌｏｔ（ｐｓ）」に対応する数により絶対値として表わすことができる。ビットストリームから上記のように構成された「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ］」を読み取るとき、各データに対するビットストリームの長さ、すなわち、「ｎＢｉｔｓＰａｒａｍＳｌｏｔ［ｐｓ］」は〔式１０〕を用いて表わすことができる。

具体的に、「ｎＢｉｔｓＰａｒａｍＳｌｏｔ［ｐｓ］」はｎＢｉｔｓＰａｒａｍＳｌｏｔ［０］＝ｆ_b（ｎｕｍＳｌｏｔｓ−ｎｕｍＰａｒａＳｅｔｓ＋１）で表わすことができる。０＜ｐｓ＜ｎｕｍＰａｒａｍＳｅｔｓであれば、「ｎＢｉｔｓＰａｒａｍＳｌｏｔ［ｐｓ］」はｎＢｉｔｓＰａｒａｍＳｌｏｔ［ｐｓ］＝ｆ_b（ｎｕｍＳｌｏｔｓ−ｎｕｍＰａｒａＳｅｔｓ＋ｐｓ−ｂｓＰａｒａｍＳｌｏｔ［ｐｓ−１］）で表わすことができる。「ｎＢｉｔｓＰａｒａｍＳｌｏｔ［ｐｓ］」は〔式１８〕を７ビットまで延長した〔式１９〕を用いて決定可能である。

関数ｆｂ（ｘ）の例について後述する。「ｎｕｍＳｌｏｔｓ」が１５であり、かつ、「ｎｕｍＰａｒａｍＳｅｔｓ」が３である場合、上記の関数はｎＢｉｔｓＰａｒａｍＳｌｏｔ「１」＝ｆｂ（１５−３＋１−７）＝３ビットを求めることができる。この場合、「ｂｓＤｉｆｆＰａｒａｍＳｌｏｔ［１］」フィールド１３０５は３ビットで表わすことができる。

３ビットで表わされる値が３である場合、「ｂｓＰａｒａｍＳｌｏｔ［１］」は７＋３＝１０となる。このため、ｎＢｉｔｓＰａｒａｍＳｌｏｔ［２］＝ｆ_b（１５−３＋２−１０）＝２ビットとなる。この場合、「ｂｓＤｉｆｆＰａｒａｍＳｌｏｔ［１］」フィールド１３０５は２ビットで表わすことができる。レジデュアルタイムスロットの個数がレジデュアルパラメータセットの個数と同数である場合、「ｂｓＤｉｆｆＰａｒａｍＳｌｏｔ［ｐｓ]」フィールドには０ビットが割り当てられる。換言すると、パラメータセットが適用されるタイムスロットの位置を表わすための追加情報が不要である。

このため、「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ]」に対するビットの個数は可変的に決定可能である。「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ]」に対するビットの個数はデコーダーにおいて関数ｆ_b（ｘ）を用いてビットストリームから読取り可能である。一部の実施形態において、関数ｆ_b（ｘ）は関数ｃｅｉｌ（ｌｏｇ₂（ｘ））を含むことができる。

絶対値と差分値で表わされる「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ］」に関する情報をデコーダーにおいてビットストリームから読み取るとき、先ず、ビットストリームから「ｂｓＰａｒａｍＳｌｏｔ［０］」が読み取られてから、０＜ｐｓ＜ｎｕｍＰａｒａｍＳｅｔｓに対する「ｂｓＤｉｆｆＰａｒａｍＳｌｏｔ［ｐｓ］」が読み取られる。そして、０≦ｐｓ＜ｎｕｍＰａｒａｍＳｅｔｓ間隔に対する「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ］」は「ｂｓＰａｒａｍＳｌｏｔ［０］」と「ｂｓＤｉｆｆＰａｒａｍＳｌｏｔ［ｐｓ］」を用いて求めることができる。例えば、図１３Ｂに示すように、「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ］」は、「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ−１］」に「ｂｓＤｉｆｆＰａｒａｍＳｌｏｔ［ｐｓ］＋１」を加えて求めることができる。

図１３Ｃは、本発明の一実施形態により、パラメータセットが適用されるタイムスロットの位置情報を示すシンタックスを示す図である。複数のパラメータセットが存在する場合、複数のパラメータセットに対する複数の「ｂｓＰａｒａｍＳｌｏｔｓ」１３０７は少なくとも一つのグループとして表わすことができる。

「ｂｓＰａｒａｍＳｌｏｔｓ」１３０７の個数が（ｋＮ＋Ｌ）であり、かつ、「ｂｓＰａｒａｍＳｌｏｔｓ」１３０７のそれぞれを表わすのにＱビットが必要となる場合、「ｂｓＰａｒａｍＳｌｏｔｓ」１３０７は以下のグループとして表わすことができる。この場合、「ｋ」と「Ｎ」は「０」ではない任意の整数であり、「Ｌ」は０≦Ｌ＜Ｎを満たす任意の整数である。

グループ化方法は、Ｎ個の「ｂｓＰａｒａｍＳｌｏｔｓ」１３０７を束ねてｋ個のグループを生成するステップと、最後のＬ個の「ｂｓＰａｒａｍＳｌｏｔｓ」１３０７を束ねて最終グループを生成するステップと、を含む。ｋ個のグループはＭビットで表わすことができ、最終グループはｐビットで表わすことができる。この場合、Ｍビットが、好ましくは、「ｂｓＰａｒａｍＳｌｏｔｓ」１３０７のそれぞれをグループ化することなく表わす場合に用いられるＮ＊Ｑビットよりも小さい。Ｐビットが、好ましくは、「ｂｓＰａｒａｍＳｌｏｔｓ」１３０７のそれぞれをグループ化することなく表わす場合に用いられるＬ＊Ｑビット以下である。

例えば、２つのパラメータセットに対する１対の「ｂｓＰａｒａｍＳｌｏｔｓ」１３０７がそれぞれｄ１とｄ２であるとする。ｄ１とｄ２がそれぞれ５個の値を有する場合、ｄ１とｄ２のそれぞれを表わすのに３ビットが必要となる。この場合、たとえ３ビットは８個の値を表わすことができるとしても、実質的には５個の値が必要となる。このため、ｄ１とｄ２のそれぞれは３個の余分を有する。しかしながら、ｄ１とｄ２を束ねてグループとして表わす場合には、６ビット（＝３ビット＋３ビット）の代わりに５ビットが用いられる。具体的に、ｄ１とｄ２との全ての組み合わせは２５個（＝５＊５）のタイプを有するため、ｄ１とｄ２のグループは５ビットで表わすことができる。５ビットは３２個の値を表わすことができるため、グループ化表現の場合、７個の余分が生成される。しかしながら、ｄ１とｄ２をグループ化して表わす場合、その余分はｄ１とｄ２をそれぞれ３ビットで表わす場合の余分よりも小さい。

グループを構成するとき、グループに関するデータは、初期値に対する「ｂｓＰａｒａｍＳｌｏｔ［０］」と、２番目以上の値に対する「ｂｓＰａｒａｍＳｌｏｔ［ｐｓ］」との組間の差分値を用いて構成可能である。

グループを構成するとき、パラメータセットの個数が１であれば、グループ化することなくビットが直接的に割当て可能であり、パラメータセットの個数が２以上であれば、グループ化を完了してからビットが割当て可能である。

図１４は、本発明の一実施形態によるエンコーディング方法のフローチャートである。以下、本発明によるオーディオ信号のエンコーディング方法及びエンコーダーの動作を説明する。

まず、１枚の空間フレームにおいてタイムスロットの総数ｎｕｍＳｌｏｔｓとオーディオ信号のパラメータ帯域の総数ｎｕｍＢａｎｄｓが決定される（Ｓ１４０１）。

そして、チャンネル変換モジュールに適用されるパラメータの個数及び／またはレジデュアル信号が決定される（Ｓ１４０２）。

ＯＴＴボックスがＬＦＥチャンネルモードを有する場合、ＯＴＴボックスに適用されるパラメータ帯域の個数は別途に決定される。

ＯＴＴボックスがＬＦＥチャンネルモードを有さない場合、ＯＴＴボックスに適用されるパラメータ帯域の個数として「ｎｕｍＢａｎｄｓ」が用いられる。

続けて、空間フレームのタイプが判定される。この場合、空間フレームは固定フレームタイプと可変フレームタイプとに大別できる。

空間フレームが可変フレームタイプである場合（Ｓ１４０３）、１枚の空間フレーム内において用いられるパラメータセットの個数が決定される（Ｓ１４０６）。この場合、パラメータセットはタイムスロット単位でチャンネル変換モジュールに適用可能である。

続けて、パラメータセットが適用されるタイムスロットの位置が決定される（Ｓ１４０７）。この場合、パラメータセットが適用されるタイムスロットの位置は絶対値と差分値として表わすことができる。例えば、最初のパラメータセットが適用されるタイムスロットの位置は絶対値として表わすことができ、２番目以上のパラメータセットが適用されるタイムスロットの位置は以前のタイムスロットの位置からの差分値として表わすことができる。この場合、パラメータセットが適用されるタイムスロットの位置は可変個数のビットとして表わすことができる。

具体的に、最初のパラメータセットが適用されるタイムスロットの位置は、タイムスロットの総数とパラメータセットの総数を用いて算出されるビットの個数で表わすことができる。２番目以上のパラメータセットが適用されるタイムスロットの位置は、タイムスロットの総数と、パラメータセットの総数と、以前のパラメータセットが適用されるタイムスロットの位置を用いて算出されるビットの個数で表わすことができる。

空間フレームが固定フレームタイプである場合、１枚の空間フレームに用いられたパラメータセットの個数が決定される（Ｓ１４０４）。この場合、パラメータセットが適用されるタイムスロットの位置は予め設定された規則を用いて決定される。例えば、パラメータセットが適用されるタイムスロットの位置は、以前のパラメータセットが適用されるタイムスロットの位置から等間隔を有するように決定可能である（Ｓ１４０５）。

続けて、ダウンミキシング部と空間生成部は、先に決定されたタイムスロットの総数と、パラメータ帯域の総数と、チャンネル変換部に適用されるべきパラメータ帯域の総数と、１枚の空間フレームにおけるパラメータセットの総数と、パラメータセットが適用されるタイムスロットの位置情報を用いて、ダウンミックス信号と空間情報をそれぞれ生成する（Ｓ１４０８）。

最後に、マルチプレクシング部は、ダウンミックス信号と空間情報を含むビットストリームを生成して（Ｓ１４０９）、この生成されたビットストリームをデコーダーに転送する（Ｓ１４０９）。

図１５は、本発明の一実施形態によるデコーディング方法のフローチャートである。以下、本発明によるオーディオ信号のデコーディング方法及びデコーダーの動作を説明する。

まず、デコーダーは、オーディオ信号のビットストリームを受信する（Ｓ１５０１）。デマルチプレクシング部は、受信されたビットストリームからダウンミックス信号と空間情報信号とを分離する（Ｓ１５０２）。続けて、空間情報信号デコーディング部は、空間情報信号の構成情報から、１枚の空間フレームにおけるタイムスロットの総数、パラメータ帯域の総数及びチャンネル変換モジュールに適用されるパラメータ帯域の個数に関する情報を抽出する（Ｓ１５０３）。

空間フレームが可変フレームタイプである場合（Ｓ１５０４）、１枚の空間フレームにおけるパラメータセットの個数とパラメータセットが適用されるタイムスロットの位置情報が空間フレームから抽出される（Ｓ１５０５）。タイムスロットの位置情報は、固定個数のビットまたは可変個数のビットで表わすことができる。この場合、最初のパラメータセットが適用されるタイムスロットの位置情報は絶対値として表わすことができ、２番目以上のパラメータセットが適用されるタイムスロットの位置情報は差分値として表わすことができる。２番目以上のパラメータセットが適用されるタイムスロットの実際の位置情報は、以前のパラメータセットが適用されたタイムスロットの位置情報に差分値を加えて求められる。

最後に、抽出された情報を用いてダウンミックス信号がマルチチャンネルオーディオ信号に変換される（Ｓ１５０６）。

この明細書に記載の実施形態は、従来のオーディオコーディング方式に比べて種々のメリットを与える。

最初に、マルチチャンネルオーディオ信号のコーディングにおいて、パラメータセットが適用されるタイムスロットの位置を可変個数のビットで表わすことにより、転送データ量を低減することができる。

第二に、最初のパラメータセットが適用されるタイムスロットの位置を絶対値で表わし、２番目以上のパラメータセットが適用されるタイムスロットの位置を差分値で表わすことにより、転送データ量を低減することができる。

第三に、ＯＴＴボックス及び／又はＴＴＴボックスなどに適用されるパラメータ帯域の個数を固定個数のビットまたは可変個数のビットで表わすことにより、転送データ量を低減することができる。この場合、パラメータセットが適用されるタイムスロットの位置は、上述した原理を用いて表わすことができ、ここで、パラメータセットはパラメータ帯域の個数範囲内に存在する。

図１６は、図１〜図１５に基づき説明されたオーディオエンコーダー／デコーダーを実現する装置構造１６００の一例を示すブロック図である。この装置構造１６００は、パソコン、サーーバコンピュータ、家電装置、移動電話、ＰＤＡ、電子タブレット、テレビシステム、テレビセットトップボックス、ゲームコンソール、媒体再生器、音楽再生器、ナビゲーションシステム及びオーディオ信号をデコーディング可能な任意のその他の装置を含む種々の装置に適用可能であるが、これらに制限されるものではない。これらの装置の一部はハードウェアとソフトウェアとの組み合わせを用いて変更された構造を実現することができる。

この構造１６００は、１以上のプロセッサー１６０２（例えば、ＰｏｗｅｒＰＣ（登録商標）、Ｉｎｔｅｌ Ｐｅｎｔｉｕｍ（登録商標） ４など）と、１以上のディスプレイ装置１６０４（例えば、ＣＲＴ、ＬＣＤなど）と、オーディオサブシステム１６０６（例えば、オーディオハードウェア／ソフトウェア）と、１以上のネットワークインタフェース１６０８（例えば、Ｅｔｈｅｒｎｅｔ（登録商標）、ＦｉｒｅＷｉｒｅ（登録商標）、ＵＳＢなど）と、入力装置１６１０（例えば、キーボード、マウスなど）と、１以上のコンピュータにて読取り可能な媒体１６１２（例えば、ＲＡＭ、ＲＯＭ、ＳＤＲＡＭ、ハードディスク、光ディスク、フラッシュメモリなど）と、を備える。これらの構成要素は１以上のバス１６１４（例えば、ＥＩＳＡ、ＰＣＩ、ＰＣＩ Ｅｘｐｒｅｓｓなど）を介して通信し、データをやり取りすることができる。

「コンピュータにて読取り可能な媒体」というターミノロジーは、プロセッサー１６０２に実行用命令語を与える任意の媒体をいい、不揮発性媒体（例えば、光ディスクや磁気ディスクなど）、揮発性媒体（例えば、メモリーなど）及び転送媒体を含むが、これらに制限されるものではない。転送媒体は、同軸ケーブル、銅配線及び光ファイバを含むが、これらに制限されるものではない。また、転送媒体は、音響波、光波または無線周波数波形の形態が採用可能である。

コンピュータにて読取り可能な媒体１６１２は、オペレーティングシステム１６１６（例えば、ＭａｃＯＳ（登録商標）、Ｗｉｎｄｏｗｓ（登録商標）、Ｌｉｎｕｘ（登録商標）など）と、ネットワーク通信モジュール１６１８と、オーディオコーデック１６２０と、１以上のアプリケーション１６２２と、をさらに含む。

オペレーティングシステム１６１６は、マルチユーザー、マルチプロセッシング、マルチタスキング、マルチスレッディング、リアルタイムなどであってもよい。オペレーティングシステム１６１６は、入力装置１６１０から入力を認識し、ディスプレイ装置１６０４とサブシステム１６０６に出力を送り、コンピュータにて読取り可能な媒体１６１２（例えば、メモリーまたは記録装置など）の上にファイルとディレクトリを保持し、周辺装置（例えば、ディスクドライブ、プリンターなど）を制御し、１以上のバス１６１４上におけるトラフィックを管理する基本的なタスクを行うが、これらに制限されるものではない。

ネットワーク通信モジュール１６１８は、ネットワーク接続を確立して保持する種々の構成要素（例えば、ＴＣＰ／ＩＰ、ＨＴＴＰ、Ｅｔｈｅｒｎｅｔ（登録商標）などの通信プロトコルを実現するソフトウェアなど）を含む。ネットワーク通信モジュール１６１８は、装置構造１６００のオペレーターに情報（例えば、オーディオコンテンツなど）を探索してネットワーク（例えば、インターネットなど）を検索可能にするブラウザーを含むことができる。

オーディオコーデック１６２０は、図１〜図１５に基づき説明したエンコーディング及び／またはデコーディングプロセスの全部または一部を実現する役割を果たす。一部の実施形態において、オーディオコーデックはハードウェア（例えば、プロセッサー１６０２、オーディオサブシステム１６０６など）と連動してこの明細書に記載の本発明によりオーディオ信号をエンコーディング及び／またはデコーディングすることをはじめとしてオーディオ信号を処理する。

アプリケーション１６２２は、オーディオコンテンツに関連する任意のソフトウェアを含むことができ、オーディオコンテンツは、媒体再生器、音楽再生器（例えば、ＭＰ３再生器など）、移動電話アプリケーション、ＰＤＡ、テレビシステム、セットトップボックスなどにおいてエンコーディング及び／またはデコーディングされるが、これらに制限されるものではない。一実施形態において、オーディオコーデックはアプリケーションサービスプロバイダーがネットワーク（例えば、インターネットなど）を介してエンコーディング／デコーディングサービスを提供するのに使用可能である。

以上の説明においては、説明の目的から、本発明の完全な理解を提供するための種々の特定の詳細について開示している。しかしながら、当業者であれば、本発明がこれらの特定の詳細なしにも実行可能であるということが理解できるであろう。なお、本発明を不明にすることを防ぐために、構造及び装置はブロック図として示してある。

特に、当業者であれば、他の構造及びグラフィック環境が使用可能であり、上述とは異なるグラフィックツールと製品を用いて本発明が実現可能であるという点が理解できるであろう。特に、クライアント／サーバーアプローチは本発明のダッシュボード機能を与える構造の一例に過ぎず、当業者であれば、クライアント／サーバーアプローチではない他のものが使用可能であるという点が理解できるであろう。

詳細な説明の一部は、コンピュータメモリ内におけるデータビットに対する演算のアルゴリズムとシンボル表現で実現されている。これらのアルゴリズム説明と表現は、データ処理分野の当業者が他の当業者に自分の作業の本質を最も有効に伝えるための手段である。一般的に、そしてこの明細書において、アルゴリズムは所望の結果に至るステップの一連のシーケンスとして認識される。これらのステップは物理量の操作を必要とする。一般に、必ずしもその限りではないが、このような量は貯蔵されたり、転送されたり、組み合わせられたり、比較されたり、他に操作可能な電気信号または磁気信号の形態をとる。主として、通常の用途の理由から、これらの信号をビット、値、エレメント、シンボル、キャラクター、述語、ナンバーなどと呼んだ方が便利である。

しかしながら、これらの用語及びこれに類似する用語はあらゆる適切な物理量に関連するものであり、単にこれらの量に適用される便利な命名に過ぎない。論議から明らかなように、特に断わりのない限り、この明細書において、「処理」または「コンピューティング」または「算出」または「決定」または「表示」などのターミノロジーを用いるということは、コンピュータシステムのレジスターとメモリ内において物理（電気）量として表わされるデータを操作し、これをコンピュータシステムメモリまたはレジスターや他の情報の貯蔵、転送または表示装置において物理量で表わされるデータに変換するコンピュータシステムまたはこれに類似する電子計算装置のアクション及び処理を言う。

本発明はこのような動作を行う装置に関する。この装置は、求められる目的により特殊に構成可能であるか、あるいは、コンピュータに格納されたコンピュータプログラムにより選択的に活性化されるか、あるいは、再構成される汎用のコンピュータを含むことができる。このようなコンピュータプログラムは、フロッピー（登録商標）ディスク、光ディスク、ＣＤ−ＲＯＭ、磁気光ディスクをはじめとする任意タイプのディスク、読込み専用メモリー（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ＥＰＲＯＭ、ＥＥＰＲＯＭ、磁気カードまたは光カード、または電子的な命令語を格納するのに適した任意タイプの媒体を含み、コンピュータシステムに接続されるコンピュータ貯蔵媒体に格納可能である。

明細書に記載のアルゴリズムとモジュールが元々任意の特定のコンピュータや他の装置に関するものではない。この明細書に記載の技術によるプログラムに種々の汎用システムが使用可能であり、方法ステップを行う上でより特定化した装置を構成することが便利になることがある。このような種々のシステムに必要となる構造については、後述する。この明細書に記載の本発明の教示事項を実現するために種々のプログラミング言語が使用可能である。また、当業者にとって自明であるように、本発明のモジュール、特徴、属性、方法論及びその他の態様は、ソフトウェア、ハードウェア、ファームウェアまたはこれらの３種類に対する任意の組み合わせにより実現可能である。もちろん、本発明の構成要素がソフトウェアとして実現される場合、これらの構成要素は独自のプログラムとして、より大きなプログラムの一部として、複数の個別プログラムとして、静的にまたは動的にリンクされるライブラリーとして、カーネルロード型モジュールとして、デバイスドライバーとして実現されるか、あるいは、コンピュータプログラミングの分野における当業者に現在周知の、または、将来に周知になる予定のあらゆる任意の方式により実現可能である。また、本発明が任意の特定のオペレーティングシステムや環境において実現されることに制限されることはない。

当業者には本発明の思想または範囲から逸脱することなく、この明細書に記載の実施形態に種々の変形及び変更がなされうるということは自明であろう。よって、本発明は、このような変形及び変更が特許請求の範囲及びその等価物の範囲内にあるものである限り、開示された実施形態のこのような変形及び変更をいずれもカバーするものである。

本発明の一実施形態により空間情報を生成する原理を示す図である。 本発明の一実施形態によりオーディオ信号をエンコーディングするエンコーダーのブロック図である。 本発明の一実施形態によりオーディオ信号をデコーディングするデコーダーのブロック図である。 本発明の一実施形態によるデコーダーのアップミキシング部に含まれるチャンネル変換部のブロック図である。 本発明の一実施形態によりオーディオ信号のビットストリームを構成する方法を説明するブロック図である。 ＡとＢはそれぞれ、本発明の一実施形態よる、パラメータセット、タイムスロット及びパラメータ帯域の関係を説明するための図面と時間／周波数グラフである。 ＡとＢはそれぞれ、本発明の一実施形態よる、パラメータセット、タイムスロット及びパラメータ帯域の関係を説明するための図面と時間／周波数グラフである。 Ａは、本発明の一実施形態による空間情報信号の構成情報を表示するシンタックスを示す図であり、Ｂは、本発明の一実施形態による空間情報信号のパラメータ帯域の個数を示す表である。 Ａは、本発明の一実施形態より、固定個数のビットとしてＯＴＴボックスに適用されたパラメータ帯域の個数を示すシンタックスを示す図であり、Ｂは、本発明の一実施形態により、可変個数のビットでＯＴＴボックスに適用されたパラメータ帯域の個数を示すシンタックスを示す図である。 Ａは、本発明の一実施形態により、固定個数のビットでＴＴＴボックスに適用されたパラメータ帯域の個数を示すシンタックスを示す図であり、Ｂは、本発明の一実施形態により、可変個数のビットでＴＴＴボックスに適用されたパラメータ帯域の個数を示すシンタックスを示す図である。 Ａは、本発明の一実施形態による空間拡張フレームのための空間拡張構成情報のシンタックスを示す図であり、Ｂ及びＣは、本発明の一実施形態により空間拡張フレームにレジデュアル信号が含まれる場合、レジデュアル信号のための空間拡張構成情報のシンタックスを示す図であり、Ｄは、本発明の一実施形態によりレジデュアル信号のためのパラメータ帯域の個数を示す方法のためのシンタックスを示す図である。 Ａは、本発明の一実施形態よりノンガイドコーディングを用いるデコーディング装置のブロック図であり、Ｂは、本発明の一実施形態によりパラメータ帯域の個数をグループで示す方法を示す図である。 Ａは、本発明の一実施形態よりノンガイドコーディングを用いるデコーディング装置のブロック図であり、Ｂは、本発明の一実施形態によりパラメータ帯域の個数をグループで示す方法を示す図である。 本発明の一実施形態による空間フレームの構成情報のシンタックスを示す図である。 本発明の一実施形態によりパラメータセットが適用されるタイムスロットの位置情報のシンタックスを示す図である。 本発明の一実施形態により絶対値及び差分値としてパラメータセットが適用されるタイムスロットの位置情報を表わすためのシンタックスを示す図である。 本発明の一実施形態によりパラメータセットがグループとして適用されるタイムスロットの複数の位置情報を示す図である。 本発明の一実施形態によるエンコーディング方法のフローチャートである。 本発明の一実施形態によるデコーディング方法のフローチャートである。 図１〜図１５に基づき説明されるエンコーディング及びデコーディング処理を実現するための装置構造を示すブロック図である。

Claims (1)

1. オーディオ信号をデコードする方法であって、
   少なくとも一つのタイムスロット及び少なくとも一つのパラメータセットを有する少なくとも一つのフレームを含むオーディオ信号を受信するステップであって、前記パラメータセットは、マルチチャンネルオーディオ信号を生成するために一つのタイムスロットに適用される１又は複数の空間パラメータを含む、ステップと、
   タイムスロットに対応するパラメータセットが適用される該タイムスロットの間隔が等間隔であるか、可変間隔であるかを示す、前記オーディオ信号のフレームタイプを判定するステップであって、前記フレームタイプが、前記タイムスロットの間隔は可変間隔であることを示すとき、
   パラメータセットが適用されるタイムスロットを示すタイムスロット情報を識別するために、前記オーディオ信号からタイムスロットの個数及びパラメータセットの個数を抽出し、
   前記タイムスロットの個数及び前記パラメータセットの個数に応じて可変である、前記タイムスロット情報のビット長を判定し、
   前記ビット長に基づいて前記タイムスロット情報を抽出することを含み、
   前記タイムスロット情報の個数は、前記パラメータセットの個数に等しい、ステップと、
   前記タイムスロット情報及び前記タイムスロットに対応するパラメータセットに基づいて前記オーディオ信号をデコードするステップであって、
   前記タイムスロット情報は、第１パラメータセットが適用されるタイムスロットを示す絶対値及び前記第１パラメータセットに続くパラメータセットが適用されるタイムスロットを示す差分値を含み、
   前記差分値は先行するタイムスロット情報と、前記続くパラメータセットが適用されるタイムスロットとの差分であり、前記先行するタイムスロット情報には、前記続くパラメータセットに先行するパラメータセットが適用され、
   前記第１パラメータセットに続くパラメータセットが適用されるタイムスロットは、前記先行するタイムスロット情報に前記差分値を加算することによって決定される、ステップと、
   を有する方法。

Images