JP5778146B2 - ビデオコンテンツを伝えるメディアストリーム内のデジタルオーディオサンプルに対する適応ゲイン制御方法 - Google Patents

Description

〔関連出願に対する参照〕
この出願は、２００９年６月２３日に出願された米国仮特許出願１２／５０７,９７１号に対して優先権を主張する。

ここに記載する主題の実施形態は、一般的にメディアストリーム内のデジタルオーディオサンプルの処理に関する。より詳しくは、主題の実施形態は、再生中に知覚音量が適正化されるようにメディアストリーム内のデジタルオーディオサンプルのゲインをデジタル方式で調整することに関する。

最近、消費者は、テレビ放送または他のメディアコンテンツを、その主たるメディア再生装置のある場所以外で、見ることが可能なプレスシフト（“ｐｌａｃｅ−ｓｈｉｆｔｉｎｇ”）装置に著しく関心を示している。プレスシフト装置は典型的に、ローカルまたは広域のエリアネットワークを通じて、視聴者に対して、パケット化されたストリームを再生できる携帯コンピュータ、携帯電話、携帯情報端末、遠隔テレビまたは他の遠隔装置に転送できるメディアコンテンツをパケット化する。このように、プレスシフトによって、ユーザは、離れた場所、例えば他の部屋、ホテル、オフィス、その他の場所で、ポータブルメディアプレーヤーが無線または他の通信ネットワークにアクセスできる場所であれば、メディアコンテンツを見ることができる。

プレスシフトは、エンドユーザに対して大いに便利になっているが、端末で異なるメディアストリームを表示する方法において、幾つかの課題がまだ存在する。例えば、１つのメディアストリーム内のデジタルオーディオサンプルは、基準または平均的な再生の強さまたは音量に結びつくが、他のメディアストリーム内の他のデジタルオーディオサンプルは、異なる基準／再生音の平均強さまたは音量に結びつき得る。ゆえに、ユーザは、異なるメディアストリームに切り換えると、知覚（感じる）音の強さが一致しなくなる可能性があり、そして、ユーザは再生装置のボリュームコントロールを調整する必要が生じる。

音量適正化技術は、ユーザによって知覚される音量を自動的に調整するのに使用することができる。音量適正化技術の幾つかはアナログドメイン上で動作し、そして、他はデジタルドメイン上で動作する。メディアストリームは符号化され、そして、パケットデータを用いて再生装置に転送されるため、デジタル音量適正化技術は、プレスシフトに対して最適である。既存のデジタル音量適正化技術は、残念ながら、有効ではない傾向であり、そして／またはこれらの技術は、人工的な音に聞こえて、ユーザの気を散らせる可能性がある。

デジタルオーディオサンプルに対する適応ゲイン制御方法が提供される。前記方法は、メディアストリームの初期化処理によって始まる。前記方法は、高速ゲイン適応スキームの使用による前記メディアストリーム内のデジタルオーディオサンプルの第一セットのゲイン調整によって続いてゆき、再生中に適正化された音量が得られるようゲイン調整されたデジタルオーディオサンプルの第一グループを結果として得る。その後、前記方法は、前記高速ゲイン適応スキームとは異なる安定状態ゲイン適応スキームを用いて前記メディアストリーム内のデジタルオーディオサンプルの第二セットのゲインを調整し、再生中に適正化された音量が得られるようゲイン調整されたデジタルオーディオサンプルの第二グループを結果として得る。

コンピュータ読み出し可能な媒体内に実際に具体化されるコンピュータプログラム製品も提供される。コンピュータプログラム製品は、デジタルメディア処理装置にメディアストリームに対する動作を実行させることが可能である。これらの動作は以下を含む。前記メディアストリーム内のデジタルオーディオサンプルの現ブロックに対する音の強さの推定値を計算し；デジタルオーディオサンプルの前記現ブロックに対する参照ゲイン値を計算し、前記参照ゲイン値は前記音の強さの推定値によって影響され；デジタルオーディオサンプルの前記現ブロックに対する最大ゲイン値を計算し；デジタルオーディオサンプルの前記現ブロックに対する推定ゲイン値を計算し、前記推定ゲイン値は前記参照ゲイン値と前記最大ゲイン値によって影響され；そして、デジタルオーディオサンプルの前記現ブロックに対するゲイン値を計算し、前記ゲイン値は前記推定ゲイン値、前記最大ゲイン値、と前記メディアストリーム内のデジタルオーディオサンプルの前ブロックに対する前ゲイン値によって影響される。前記コンピュータプログラム製品はまた、前記デジタルメディア処理装置に、デジタルオーディオサンプルの現ブロック内のデジタルオーディオサンプルへゲイン値を適用してデジタルオーディオサンプルの前記現ブロックを修正することが可能である。特定の実施形態において、前記最大ゲイン値はデジタルオーディオサンプルの前記現ブロックのダイナミックンジによって影響される。

メディアストリーム内のデジタルオーディオサンプル処理に対するシステムも提供される。前記システムは、高速ゲイン適応スキームの使用による前記メディアストリーム内のデジタルオーディオサンプルの第一ブロックのゲイン調整に対する第一手段を含み、調整されたゲインの第一ブロックを結果として得る。前記システムはまた、前記高速ゲイン適応スキームとは異なる安定状態ゲイン適応スキームを用いて前記メディアストリーム内のデジタルオーディオサンプルの第二ブロックのゲイン調整に対する手段を含み、調整されたゲインのデジタルオーディオサンプルの第二ブロックを結果として得る。前記システムはまた、調整されたゲインのデジタルオーディオサンプルを遠隔配置されたメディアプレーヤーへの転送する手段を含む。

この要約は、以下の詳細説明内においてさらに説明されることを、簡易化された形式で概念の選択を抜粋して紹介するために、提供される。この要約は、記載された発明対象のキー機能または本質的な機能を特定する意図ではなく、また、記載された発明対象の範囲を決定するのに使用されることを意図するものでもない。

次に図面との連携を考察し、詳細な説明および請求項を参照することによって、発明対象のより完全な理解を得るであろう。ここで、同じ符号は、全ての図面を通じて、同じ構成要素を示す。

図１は、メディア再生システムの実施形態の概略図を示す。

図２は、デジタルメディア処理システムの実施形態の概略図を示す。

図３は、適応デジタルゲイン制御処理の実施形態を示すフローチャートである。

図４は、デジタルゲイン計算処理の実施形態を示すフローチャートである。

以下の詳細な説明は、単なる例を示すものであって、発明対象または本出願の実施形態、そして、そのような実施形態の使用に限定することを意図するものではない。ここで使われるように、単語“ｅｘｅｍｐｌａｒｙ”は、“ｓｅｒｖｉｎｇ ａｓ ａｎ ｅｘａｍｐｌｅ，ｉｎｓｔａｎｃｅ，ｏｒ ｉｌｌｕｓｔｒａｔｉｏｎ．”を意味する。例としてここで記載されるいずれの実施形態も、他の実施形態により好都合または有利に構成される必要はない。さらに、前述の〔技術分野〕、〔背景技術〕、〔発明の概要〕または後述の〔発明を実施するための形態〕において提供されているいずれの表現または黙示の理論によっても、制限されない。

技法と技術は、さまざまな計算構成要素または装置によって実行される動作、処理タスク及び機能による記号表現に関連して、機能かつ／または論理ブロック構成要素として記述されてもよい。そして、そのような動作、タスク、及び機能は、コンピュータ実行、コンピュータ化され、ソフトウェアによる実施、またはコンピュータによる実施 とも呼ばれる。実際には、１つまたはそれ以上のプロセッサ装置は、他の信号処理と同様に、電気信号をシステムメモリ内のメモリ位置のデータビットとして表現する操作によって、記述された動作、タスク、そして機能を実行することができる。データビットが保持されるメモリ位置は、データビットに対応する特定の電気的、磁気的、光学的、または有機的な特性を有する物理的な位置である。図面中に示されるさまざまなブロック構成要素は、特定機能を実行するように構成される任意の数のハードウェア、ソフトウェア、及び／またはファームウェア構成要素によって実現されてもよいことが理解されるはずである。例えば、システムまたは構成要素の１つの実施形態を、多様なＩＣ回路で構成してもよい。多様なＩＣ回路とは、例えば、１つまたはそれ以上のマイクロプロセッサまたは他の制御装置の制御下で、多様な機能を実施するメモリ素子、デジタル信号処理素子、論理素子、ルックアップテーブル、または類似物である。

ソフトウェアまたはファームウェアによる実施時に、ここに記載されるシステムのさまざまな要素は、本質的にさまざまなタスクを実行するコードセグメントまたは指示である。プログラムまたはコードセグメントは、プロセッサ読み出し可能な媒体内に格納されることができ、または、伝送媒体または通信経路上の通信搬送波として実現されるコンピュータデータ信号によって送信される。プロセッサ読み出し可能な媒体またはマシン読み出し可能な媒体は、情報の格納または転送のできる任意の媒体を含んでもよい。プロセッサ読み出し可能な媒体の例は、電子回路、半導体メモリ装置、ＲＯＭ、フラッシュメモリ、消去可能なＲＯＭ（ＥＲＯＭ）、フロッピディスケット、ＣＤ−ＲＯＭ、光学的ディスク、ハードディスク、または類似物である。コンピュータデータ信号は、電子のネットワークチャネル、光学的ファイバ、空気、電磁気経路、またはＲＦリンクのような伝送媒体上を伝播できる任意の信号を含んでもよい。コードセグメントは、インターネット、イントラネット、ＬＡＮ、または類似物のようなコンピュータネットワークを通じてダウンロードされてもよい。

さまざまな実施形態によれば、メディアストリームの知覚再生音の大きさ（つまり、音量）は適正化され、または参照の音の大きさに比較して合わせられる。このように、異なるメディアストリームは、再生装置において設定された一定のボリュームで、ほぼ同等な平均的な音の大きさで再生される。メディアストリームに関連するデジタルオーディオサンプルを、デジタルドメイン上で修正、調整、あるいは変更することによって、音量適正化スキームが実施される。ある実施形態において、符号化し、そしてメディアストリームをユーザのメディア再生装置（例えば、ラップトップコンピュータ、携帯電話、遠隔ケーブルテレビの操作用装置、または類似のもの）に転送する（データ通信ネットワークを通じて）デジタルメディア処理装置によって、デジタルオーディオサンプルが修正される。デジタル方式で適正化されたオーディオサンプルは、希望のメディアストリームで再生装置に転送されて、異なるメディアストリームで適正化された再生音量が得られる結果になる。特に、ここに述べられるデジタル音量適正化技術を補助するために、再生装置自体が調整される必要はない。なぜならば、デジタルゲイン調整の適用がなされた後に、デジタルオーディオサンプルがその再生装置に到達するからである。

ここで、図面に戻り、そして、最初に図１を参照する。図１は、デジタルオーディオサンプルを含むメディアストリームについて、プレスシフトを実施するように使用することが可能なメディア再生システム１００の典型的な実施形態である。システム１００のこの特徴ある実施形態は、デジタルメディア処理装置（例えば、プレスシフトエンコーダシステム１０２）を含む。このデジタルメディア処理装置は、コンテンツ源１０６からメディアコンテンツ１２２を受信し、受信したコンテンツをストリーム形式に符号化し、そして、符号化したメディアストリーム１２０を遠隔的に配置されたデジタルメディアプレーヤー（また、他の再生装置）１０４に、ネットワーク通じて転送する。メディアプレーヤー１０４は、符号化されたメディアストリーム１２０を受信して復号し、そして、復号化されたコンテンツを視聴者に向けてテレビまたは他の表示装置１０８上で表示する。図１には描かれていないが、メディアプレーヤー１０４は、メディアストリームのオーディオ部分の再生を補助する少なくとも１つのスピーカ、オーディオ変換器、または他のオーディオ生成素子を含むか、あるいはこれらと協力する。さまざまな実施形態において、ネットワークを通じてエンコーダシステム１０２かつ／またはメディアプレーヤー１０４と通信するサーバ１１２が用意されてもよく、お互いの配置でこれらの装置を補助し、セキュリティを維持し、コンテンツまたは情報を提供または受信し、かつ／または要求される任意の他の機能を提供する。すべての実施形態において、この機能が要求されるわけではないが、しかしながら、そして、ここに述べられている概念は、プレスシフトまたは任意の他のメディアまたは他のデータストリーム状態を含む、任意のデータストリームの応用または環境に、展開してもよい。

エンコーダシステム１０２は、メディアコンテンツのパケット化されたストリームをネットワーク１１０上に転送可能な、任意の構成要素、ハードウェア、ソフトウェア論理、及び／または類似物である。さまざまな実施形態において、エンコーダシステム１０２は、音声／ビデオまたは他のメディアコンテンツ１１２を、ネットワーク１１０上に転送可能なパケットフォーマットへ変換するに適した符号化装置、及び／または変換器（まとめて、「エンコーダ」）のロジックと合体する。メディアコンテンツ１１２は、任意のフォーマットで受信されてもよく、そして、任意の種類の放送、ケーブルまたは衛星テレビプログラム源、ビデオオンデマンドまたは類似のソース、デジタルビデオディスク（ＤＶＤ）、他の着脱可能なメディア、またはビデオカメラ、及び／または類似物のような任意の内部または外部コンテンツ源１０６から、受信されてもよい。エンコーダシステム１０２は、符号化されたメディアストリームを生成するために、任意の方法でメディアコンテンツ１２２を符号化する。さまざまな実施形態において、エンコーダシステム１０２は、ネットワーク１１０上に転送する前に、符号化されるデータを一時的に格納する転送バッファ１０５を含む。

実際に、エンコーダシステム１０２の１つの実施形態は、ＣａｌｉｆｏｒｎｉａのＦｏｓｔｅｒ市のＳｌｉｎｇ Ｍｅｄｉａより入手できる任意のさまざまなＳＬＩＮＧＢＯＸ製品を用いて実施されてもよいし、他の製品に他の実施形態が適用されてもよい。エンコーダシステム１０２のいくつかの実施形態は、任意の種類のデジタルビデオ記録機（ＤＶＲ）、セットトップ ボックス（ＳＴＢ）、ケーブルまたは衛星プログラムソース、ＤＶＤプレーヤー、及び／または類似物のような外部のコンテンツ源１０６から、メディアコンテンツ１２２を一般的に受信可能である。そのように実施形態において、エンコーダシステム１０２は、希望するメディアコンテンツ１２２を作るように、コンテンツ源１０６にさらにコマンド１２４を与えてもよい。そのようなコマンド１２４は、任意の種類の有線または無線インターフェースによって提供されてもよい。例えば、コンテンツ源１０６によって受信可能な遠隔制御命令を発する赤外や他の無線の送信によってである。しかしながら、他の実施形態は、特にそれらがプレスシフトに関係がなければ、この機能を修正または完全に省略してもよい。

他の実施形態において、エンコーダシステム１０２は、任意の種類のコンテンツの受信機能、またはコンテンツ源１０６に典型的に関係する他の機能と統合されてもよい。エンコーダシステム１０２は、ハイブリッドＳＴＢまたは他の受信機（例えば、それも変換およびプレスシフト機能を提供する）であってもよい。そのような装置は、衛星、ケーブル、放送、及び／または他からの信号として、アンテナ、モデム、サーバ、及び／または他の源から受信したテレビジョンプログラムまたは他のコンテンツを符号化した信号を受信してもよい。近くで視聴したり、及び／または必要に応じて遠隔配置されたメディアプレーヤー１０４でプレスシフトして視聴できるようなプログラムを抽出するために、エンコーダシステム１０２の受信機は、受信信号を復調、あるいは復号する。この点については、エンコーダシステム１０２は、またハードディスクドライブ、メモリ、または他の記憶媒体上に格納されるコンテンツデータベースを含んでもよい。このハードディスクドライブ、メモリ、または他の記憶媒体は、個人またはデジタルビデオ記録機機能、または必要に応じて他のコンテンツライブラリを補助するものである。ゆえに、いくつかの実施形態において、コンテンツ源１０６とエンコーダシステム１０２とは、物理的に、及び／または論理的に、共通する要素、あるいは共通するハウジングまたはシャーシ内に包含されてもよい。

また、他の実施形態において、エンコーダシステム１０２は、通常の計算システム（例えば、パーソナルコンピュータ）上に実行されるソフトウェアシステム、アプレット、または類似物を含み、または、ソフトウェアシステム、アプレット、または類似物として実現される。そのような実施形態において、エンコーダシステム１０２は、例えば、離れた場所へのプレスシフトのために、典型的にはコンピュータシステムのユーザに提供されるいくつかまたは全てのスクリーン表示を符号化してもよい。そのような機能を提供可能な装置は、通常のパーソナルコンピュータ上で動作するＣａｌｉｆｏｒｎｉａのＦｏｓｔｅｒ市のＳｌｉｎｇ Ｍｅｄｉａより入手できるＳｌｉｎｇＰｒｏｊｅｃｔｏｒ製品であり、他の製品が用いられてもよい。

メディアプレーヤー１０４は、１つまたはそれ以上のエンコーダシステム１０２によって符号化されたメディアストリームを、受信可能な任意の装置、構成要素、モジュール、ハードウェア、ソフトウェア、かつ／または類似物である。さまざまな実施形態において、メディアプレーヤー１０４は、パーソナルコンピュータ（例えば、“ラップトップ”または類似の携帯コンピュータや、またデスクトップ型コンピュータが用いられてもよい）、携帯電話、パーソナルディジタルアシスタント、パーソナルメディアプレーヤー、または類似物である。多くの実施形態において、メディアプレーヤー１０４は、エンコーダシステム１０２に安全に接続可能なソフトウェアまたはファームウェアによるメディアプレーヤーアプリケーションを含む多目的の計算装置であり、そして、必要に応じて、メディアコンテンツを受信してこれを装置のユーザに提供することが可能である。しかしながら、他の実施形態において、メディアプレーヤー１０４は、符号化されたメディアストリーム１２０をネットワークの任意の部分を通じて受信し、そして、符号化されたメディアストリーム１２０を復号して、ディスプレイ１０８上に表示される出力信号を提供するような、スタンドアロンまたは分離されたハードウェア装置である。スタンドアロンメディアプレーヤー１０４の１例は、ＣａｌｉｆｏｒｎｉａのＦｏｓｔｅｒ市のＳｌｉｎｇ Ｍｅｄｉａより入手できるＳＬＩＮＧＣＳＴＣＨＥＲ製品であり、他の製品が等価的に用いられてもよい。

ネットワーク１１０は、送信機（例えば、エンコーダシステム１０２）と受信機（例えば、メディアプレーヤー１０４）間のメッセージ転送可能な任意のデジタルまたは他の通信ネットワークである。さまざまな実施形態において、ネットワーク１１０は、任意の数の通信プロトコルにサポートされる任意の数の公共または私用のデータ接続、リンクまたはネットワークを含む。ネットワーク１１０は、例えば、インターネットまたは任意のＴＣＰ／ＩＰベースの他のネットワーク、または他の通常のネットワークを含んでもよい。さまざまな実施形態において、ネットワーク１１０は、携帯電話、パーソナルディジタルアシスタント、及び／または類似物などと通信するセルラー通信ネットワークのような無線、及び／または有線電話ネットワークを含む。ネットワーク１１０は、１つまたはそれ以上のＩＥＥＥ ８０２．３、及び／またはＩＥＥＥ ８０２．１１ネットワークのような、任意の種類の無線または有線のローカルエリアネットワークを含んでもよい。

ゆえに、エンコーダシステム１０２、及び／またはメディアプレーヤー１０４は、任意の方法でネットワーク１１０との通信が可能である（例えば、任意の種類のそれぞれのデータ接続１２８、及び／または１２５を用いる）。そのような通信を、インターネット、及び／または電話ネットワークを含む広域リンクに、例えば代えてもよい。他の実施形態においては、エンコーダシステム１０２とメディアプレーヤー１０４との間の通信は、概念的にネットワーク１１０に合体される１つまたはそれ以上の有線または無線の局部地域リンクに、代えてよい。さまざまな等価な実施形態において、エンコーダシステム１０２とメディアプレーヤー１０４は、ほとんどあるいは全くネットワーク機能が提供されないで、任意の種類のケーブル（例えば、イーサネットケーブルまたは類似もの）を通じて直接に接続されてもよい。

多くの異なるプレスシフトのシナリオは、利用可能な計算資源と通信資源、消費者からの要望、及び／または他の要因に基づいて策定されるべきである。さまざまな実施形態においては、消費者は、家、事務所または他の建築物内で、エンコーダシステム１０２から他の部屋に置かれているデスクトップまたは携帯コンピュータに、コンテンツをプレスシフトする要求がある。そのような実施形態において、典型的には、建築物内で動作する有線または無線のローカルエリアネットワークによって、コンテンツストリームが提供される。他の実施形態において、消費者は、ブロードバンドまたは類似のネットワーク接続によって、主要な場所から別宅、事務所、ホテルまたは他の遠隔場所に置かれているコンピュータまたは遠隔メディアプレーヤー１０４に、コンテンツのプレスシフトを行なう要求もある。また、他の実施形態において、消費者は、モバイルリンク（例えば、ＧＳＭ／ＥＤＧＥまたはＣＤＭＡ／ＥＶＤＯ接続、任意の種類の３Ｇまたは後続の電話リンク、ＩＥＥＥ ８０２．１１ “Ｗｉ−Ｆｉ”リンク、及び／または類似物）を通じて、携帯電話、パーソナルディジタルアシスタント、メディアプレーヤー、ビデオゲームプレーヤー、自動車または他の移動用のメディアプレーや、及び／または他の装置に、コンテンツのプレスシフトを行なう要求もある。複数のプラットホームに対して使用可能なプレスシフトのアプリケーションの複数の例が、ＣａｌｉｆｏｒｎｉａのＦｏｓｔｅｒ市のＳｌｉｎｇ Ｍｅｄｉａより提供されているが、ここに説明される概念は、任意の供給源から入手できる製品やサービスと一体化して使用されることが可能である。

図２は、エンコーダシステム１０２のような、デジタルメディア処理装置の実施形態を表す構造図である。繰り返すが、エンコーダシステム１０２は一般的に、コンテンツ源１０６から受信したメディアコンテンツ１２２に基づいて、ネットワーク１１０上にルーティング可能な、符号化されたメディアストリーム１２０を生成する。これに関して、そして図２を参照して、エンコーダシステム１０２は典型的に、エンコーダモジュール２０２、転送バッファ１０５、及び適当な制御ロジックで接続されるネットワークインターフェース２０６を含み、これらは制御モジュール２０５によって結合される。動作時には、エンコーダモジュール２０２は典型的に、内部または外部のコンテンツ源１０６からメディアコンテンツ１２２を受信し、符号化されるメディアストリーム１２０によって要求されるフォーマットにデータを符号化し、そして転送バッファ１０５に符号化されたデータを格納する。次に、ネットワークインターフェース２０６は、ネットワーク１１０上に転送するために、転送バッファ１０５からフォーマット化されたデータを取得する。制御モジュール２０５は、エンコーダモジュール２０２とネットワークインターフェース２０６によって実行される符号化とネットワーク転送処理を適切にモニタして制御し、あわせて他の機能を実行してもよい。さらにエンコーダシステム１０２は、コマンドモジュール２０８を有するか、または上述のようにコンテンツ源１０６にコマンド１２４を生成して提供することが可能な他の機能を有してもよい。

上述のように、符号化されるメディアストリーム１２０の作成は、典型的には、コンテンツ源１０６から受信したメディアコンテンツ１２２を、ネットワーク１１０上での転送に適したデジタルフォーマットに符号化または変換することも含む。一般的に、符号化されるメディアストリーム１２０は、ネットワーク１１０上に転送できる標準フォーマットまたは知られているフォーマット（例えば、Ｗａｓｈｉｎｇｔｏｎ, Ｒｅｄｍｏｎｄのマイクロソフト社から入手できるウィンドウズメディア形式、ＲＥＡＬＰＬＡＹＥＲ形式、ＭＰＥＧ形式、かつ／または類似物）に、置き換えられる。この符号化は必要に応じて、任意の種類のエンコーダモジュール２０２に代わってもよい。エンコーダモジュール２０２は、任意の種類のハードウェア（例えば、メディア符号化に用いられるデジタルシグナルプロセッサまたは他の集積回路）、ソフトウェア（例えば、エンコーダシステム１０２において実行されてメディア符号化に用いられるソフトウェアまたはファームウェアプログラム）、または類似物であってもよい。
エンコーダモジュール２０２はゆえに、コンテンツ源１０６からメディアコンテンツ１２２を受信し（例えば、任意の種類のハードウェアかつ／またはソフトウェアインターフェースを通じて）、そして、ネットワーク１１０上に転送するために要求されるフォーマットに、受信したデータを符号化または変換するような任意の機能を有する。図２は、単一のエンコーダモジュール２０２を示しているが、実際には、エンコーダモジュール２０２は、任意の数のエンコーダモジュール２０２を含んでもよい。異なるエンコーダモジュール２０２が、メディアプレーヤー１０４の種類、ネットワーク条件、ユーザ好み、かつ／または類似物に基づいて選択されてもよい。

さまざまな実施形態において、エンコーダモジュール２０２はまた、符号化／変換処理前またはその間に、受信したコンテンツに他の修正、変形、及び／またはフィルタリングを適用してもよい。ビデオ信号が、例えば、大きさ変更、トリミング、及び／またはスキューされてもよい。同様に、信号のカラー、色調かつ／またはサチュレーションが変えられてもよく、及び／またはノイズリダクションまたは他のフィルタリングが適用されてもよい。いくつかの実施形態において、デジタル権利管理の符号化及び／または復号がまた適用されてもよく、及び／または要求に応じて他の機能が適用されてもよい。サンプリングレート、モノ／ステレオパラメータ、ノイズリダクション、マルチチャネル音声パラメータ及び／または類似物を調整することによって、オーディオ信号が修正されてもよい。これに関して、メディアストリーム内のデジタルオーディオサンプルは、後に詳細に述べる適応デジタルゲイン制御の技術と方法によって、修正される。そのようなゲイン制御技術は、デジタルオーディオサンプルのブロックの修正に用いられることができ、メディアストリームの再生中にユーザによって感じられる音量または音の大きさを適正化する。

ネットワークインターフェース２０６は、エンコーダシステム１０２による通信がネットワーク１１０上で可能にするような、任意のハードウェア、ソフトウェア及び／またはファームウェアを意味する。さまざまな実施形態において、ネットワークインターフェース２０６は、適当なネットワークスタックプログラミング、及び他の機能、及び／または要求されるような任意の有線または無線インターフェースのような通常のネットワークインターフェース（ＮＩＣ）を、それぞれ含む。

さまざまな実施形態において、制御モジュール２０５は、それぞれ、エンコーダモジュール２０２とネットワークインターフェース２０６によって実行される符号化処理と転送処理を、モニタして制御する。そのため、制御モジュール２０５は、そのような機能を処理可能な任意のハードウェア、ソフトウェア、ファームウェアまたは組み合わせである。さまざまな実施形態において、制御モジュール２０５は、ネットワークインターフェース２０６を通じて遠隔メディアプレーヤーから受信したコマンドをさらに処理する（例えば、コマンドモジュール２０８または類似物を通じて、コンテンツ源１０６にコマンド１２４を送信することによって）。制御モジュール２０５は、また、ネットワークインターフェース２０６を通じてメディアプレーヤー１０４にコマンドを転送してもよく、及び／またはエンコーダシステム１０２の制御し、あるいは他の動作を行ってもよい。さまざまな実施形態において、制御モジュール２０５は、エンコーダモジュール２０２の動作のモニタと調整に用いられる制御機能を実行し、かつ／または、制御モジュール２０５は、メディアプレーヤー１０４に効率よくメディアストリームを提供するように、ネットワークインターフェース２０６に制御機能を実行する。

エンコーダモジュール２０２の特定の実施形態は、適切に設定されたコンピュータ読み出し可能な媒体２１０内に実態的に記憶される１つまたはそれ以上のコンピュータプログラム（例えば、ソフトウェア）を含み、またはこれを実行してもよい。図３と図４を参照して以下で詳細に述べるように、コンピュータプログラム製品は、メディアストリーム上で特定の動作を実行することによって、エンコーダシステム１０２としての動作を実現する。この実施形態に対して、図２では、コンピュータ読み出し可能な媒体２１０が制御モジュール２０５と接続されて描かれているが、全ての実施においてそのような接続が必要とされるわけではない。実際に、コンピュータ読み出し可能な媒体２１０は、必要に応じて、エンコーダモジュール２０２に関連して代替的に（または付加的に）用いられればよい。上述のように、限定しないが、コンピュータ読み出し可能な媒体２１０は、電子回路、半導体メモリ装置、ＲＯＭ、フラッシュメモリ、消去可能なＲＯＭ（ＥＲＯＭ）、フロッピディスケット、ＣＤ−ＲＯＭ、光学的ディスク、ハードディスク、または類似物を含んでもよい。

図３は、適応デジタルゲイン制御処理３００の実施形態を図示するフローチャートであり、図４は、デジタルゲイン計算処理４００の実施形態を説明するフローチャートである。説明される処理に関連して実行されるさまざまなタスクは、ソフトウェア、ハードウェア、ファームウェア、または任意のこれらの組み合わせによって実行されてもよい。述べられる処理に関連する動作と命令は、エンコーダシステム１０２内のプロセッサかつ／または他の処理機能によって実行されてもよく、そして、図に示されるさまざまな機能の各々を実行するための特定手段は、さらに、ソフトウェアまたは任意のフォーマットのプロセッサベース論理を実行する任意の種類の処理ハードウェア（図２の制御モジュール２０５のような）であってもよい。述べられる処理は、任意の数の付加的なまたは代替的なタスクを含んでもよく、または１つまたはそれ以上の図示されるタスクを無視してもよいことが理解されるはずである。さらに、図中に示されるタスクは、図示される順序で実行される必要は無く、そして説明される処理は、ここに詳細に説明されないより包括的な手順に組み込まれてもよく、また、付加機能を有する手順を組み込んでもよい。

ここで、図３を参照する。再生装置に対して新しいメディアストリームが符号化して配信されるよう指示された時に、適応デジタルゲイン制御処理３００が開始される。メディアストリームは、複数のデジタルオーディオサンプルを含んでもよく、あるいはこれらと結びつく。ここで用いられるように、また、よく知られているように、デジタルオーディオサンプルは、時間の点において抽出されたアナログ音声信号（または比較的に短い時間上で）をデジタルの表現にしたものである。アナログオーディオ信号の振幅は、デジタル表現へ変換され、そしてデジタルオーディオサンプルは、そのデジタル表現を伝えるビットの数を有する。特定の実施形態において、１つのデジタルオーディオサンプルは、１６ビットによって表現される（しかし、必要であれば、実際のビット数は１６以上または以下であってもよい）。いくつかの実施形態に関連して、デジタルオーディオサンプルに対するサンプリングレートは、秒あたりおおよそ１６,０００サンプルから４８,０００サンプルまでの範囲内であり、そして特定の実施形態は、秒あたり３２,０００サンプルのサンプリングレートを用いる。

ここで使われているように、サンプルの“ブロック”は、メディアストリーム内に含まれるサンプルのセット、グループ、または他の固まりを意味する。ブロック内のサンプルの数は、任意に定義してもよいし、または特定のデータ通信規格、ストリームメディア規格、ハードウェア要求、及び／またはソフトウェア要求との互換性がとれるように、このサンプルの数が選択されてもよい。特定の実施形態において、デジタルオーディオサンプルの１つのブロックは、連続する１０２４サンプルによって表現される（しかし、必要であれば、実際の1ブロックあたりのサンプル数は１０２４以上または以下であってもよい）。従って、秒あたり３２,０００サンプルに対して、デジタルオーディオサンプルの１つのブロックは、３２ミリ秒（ｍｓ）の時間を表す。

処理３００は、リアルタイムでかつ動的な手法で応答することで、異なるメディアストリームに対応することが可能である（ユーザは、メディアプレーヤーでの再生中に、１つのメディアストリームから他へ切り替えをしてもよい）。この点で、処理３００は、メディアストリームの初期化処理を行い、そして高速適応モード（タスク３０２）に入ることで開始される。高速適応モードとは、ここに述べられるゲイン制御技術に対する初期のトレーニングまたは学習期間を表す。実際に、高速適応モードでは、メディアストリーム内の初期のデジタルオーディオサンプルのゲインを瞬時に調整して、ユーザに知覚される音量が、少なくともある量において適正化（必要ならば）されるようにする。その後、エンコーダシステムは、ゲイン制御がより正確に調整されて制御されながら、安定状態モードに遷移される。

高速適応モード中でのデジタルオーディオサンプルの処理において、エンコーダシステムは、指定された重みづけファクタのセットを使用する。デジタルオーディオサンプルのブロックへ適用されるゲインを計算するために、これらの重みづけファクタが用いられる。重みづけファクタは、デジタルオーディオサンプルの隣接するブロックへ適用されるゲインを異ならせるよう、範囲を制御する。重みづけファクタと代表的なゲイン計算方法は、図４を参照して以下で詳細に述べる。実際に、重みづけファクタは、エンコーダシステムによってアクセスできるように経験的に決定された値である。任意の数の重みづけファクタが用いられることができるが、この特定の実施形態では、符号ｗ_１とｗ_２の２つの重みづけファクタを用いる。さらに、ｗ_１とｗ_２の値は、高速ゲイン適応スキームにおいては可変であり、ｗ_１とｗ_２の値は、安定状態ゲイン適応スキームにおいては固定される。ここに述べられるこの実施形態に対して、高速適応モードと安定状態モードの両方の動作において、ｗ_１とｗ_２は正であり、そしてｗ_１＋ｗ_２＝１の関係を満足する。

ある状況において、高速適応モードでのｗ_１の値は、安定状態モードでのｗ_１の値以下または等しく、そして高速適応モードでのｗ_２の値は、安定状態モードでのｗ_２の値以上または等しい。特定の状況において、高速適応モードと安定状態モードの両方で、ｗ_１＞ｗ_２である。ある状況において、高速適応モードでのｗ_１−ｗ_２の差分は、安定状態モードでのｗ_１−ｗ_２の差分より以下である。限定されない1例として、高速適応モードにおいて、ｗ_１＝０．７とｗ_２＝０．３、そして安定状態モードにおいて、ｗ_１＝０．９とｗ_２＝０．１である。

ある実施形態において、高速適応モードにおけるｗ_１の値は、常に安定状態モードにおけるｗ_１の値以下であり（しかし、モード間の遷移においては、値が等しくなるであろう）、高速適応モードにおけるｗ_２の値は、常に安定状態モードにおけるｗ_１の値以上であり（しかし、モード間の遷移においては、値が等しくなるであろう）、そしてｗ_１の値は、常にｗ_２の値以上である（両方のモードにおいて）。さらに、高速適応モード中に、ｗ_１とｗ_２の値が、一定のままである必要はない。実際に、安定状態モード中に用いられる値に到達するように、高速適応モード中にこれらの値を調整することができる。典型的な実施形態において、高速適応モード中に、ｗ_１は、ある値（例えば、０．７）から他の値（例えば、０．９）に線形的に増加し、そしてｗ_２は、ある値（例えば、０．３）から他の値（例えば、０．１）に線形的に減少する。

例えば、処理３００は、高速適応モードで、オーディオサンプルの１００ブロックを残していると仮定する。処理３００が高速適応モードに入る時に、ｗ_１とｗ_２の値がそれぞれ０．７と０．３に初期化される。オーディオサンプルの第１ブロックのゲイン調整後に、ｗ_１は（０．９−０．７）／１００だけ増加され、そしてｗ_２は（０．３−０．１）／１００だけ減少される。ｗ_１とｗ_２のこの修正は、処理３００が高速適応モードにいる間中、オーディオサンプルの各ブロックのゲイン調整後に行われる。処理３００が高速適応モードを終了する時に、ｗ_１とｗ_２の線形調整により、それぞれ、０．９と０．１の値になる。その後、処理３００は、これらの値で安定状態モードに入る。安定状態適応モードにおいて、ｗ_１とｗ_２は、いずれのさらなる変化を受けずに、そして各自の値（この例において、０．９と０．１）において一定を維持する。その後の幾つかの時点において、システムが高速適応モードに戻るよう切り換えられた時に、ｗ_１とｗ_２は、再度初期値にリセットされ（この例において、０．７と０．３）、そして上述のような線形調整が発生する。

図３の参照に戻り、処理３００は、高速適応モードにおけるゲイン重みづけファクタを計算またはアクセスすることができ（タスク３０４）、そして高速適応モード中に、処理のためのデジタルオーディオサンプルの次のブロックを獲得する（タスク３０６）。現ブロックに対するゲイン値を計算し、そして計算したゲイン値に従って現ブロック内のデジタルオーディオサンプルのゲインを調整することで処理３００が続く（タスク３０８）。デジタルオーディオサンプルのそのような調整または修正によって、目的先のメディアプレーヤーの再生中に、適正化された音量（音の大きさ）を有するゲイン調整されたデジタルオーディオサンプルを得ることができる。タスク３０８では、高速適応モードに対応する現在適用可能な重みづけファクタ（ｗ_１とｗ_２）を用いて、現ブロックのためのゲイン値が計算される。この点で、処理３００が高速適応モードにいる限り、デジタルオーディオサンプルのゲインは高速ゲイン適応スキームを用いて調整される。ここに述べられる実施形態においては、ゲイン値は、元の非調整のデジタルオーディオサンプルの値に対する乗数として用いられる、乗数ゲインとして表わされる。ゆえに、ゲイン値１は、変化のないことを示し、そしてオリジナルのデジタルオーディオサンプルの値は、ゲイン値１を有し、変化しない。

処理３００は、処理を進めながら、ゲイン調整されたデジタルオーディオサンプルを、遠隔配置されたデジタルメディアプレーヤーに転送する（タスク３１０）。ある実施形態において、タスク３１０は、よく知られているように、ゲイン調整されたデジタルオーディオサンプルをブロックで、転送する。さらに、ゲイン調整されたデジタルオーディオサンプルは典型的に、ビデオコンテンツを含むあるいは伝えるメディアストリーム内に転送される。受信にあたり、メディアプレーヤーは、単純に復号化し、そして通常通りにユーザにメディアストリームを提供する。メディアプレーヤーは、ここに述べられる音量適正化技術を実現するいずれの付加的なまたは特別な処理を実行する必要がない。なぜならば、メディアプレーヤーによって受信されたデジタルオーディオサンプルは、既にゲイン調整されているからである。

上述のように、高速適応モードは、新しいメディアストリームに対して、短いトレーニングまたは学習期間で利用できる。そして、エンコーダシステムは、高速適応モードから安定状態モードへの切り替えすることを、決定し、検出し、あるいは命令される（クエリータスク３１２）。処理３００は、モード切り替え条件を検出することで、安定状態モードに入る（タスク３１４）。あるいは、処理３００は、新しく調整されるｗ_１とｗ_２の値を計算あるいはアクセスし、処理のためオーディオサンプルの次ブロックを獲得するために、タスク３０４へ戻ることができ、そしてその後は前述のように続く。モード切り換え条件は、１つまたは任意の数の適切なメトリック、尺度、またはパラメータに関連付けられる。例えば、現メディアストリームの初期化処理をした後の予め決められた時間、あるいはシステムが高速適応モードに入った後の予め決められた時間、あるいはタスク３０４における重みづけファクタが計算されまたは取得された後の予め決められた時間のそれぞれの間で、高速適応モードを、アクティブな状態に維持してよい。典型的な実施形態としては、高速適応モードは、約４から８秒間続く。他の例として、現メディアストリームの初期化処理をした後の予め決められたブロック（または、サンプル）数、あるいはシステムが高速適応モードに入った後の予め決められたブロック（または、サンプル）数、あるいはタスク３０４における重みづけファクタが取得された後の予め決められたブロック（または、サンプル）の数の間中、高速適応モードを、アクティブな状態に維持してよい。

エンコーダシステムがモードを切り換えるとすると、処理は、安定状態モードに入って、安定状態モードでの初期化を行う。安定状態モードは、“長期”を表し、そしてここで述べるゲイン制御技術においては、比較的に安定した期間である。実際に、高速適応モードが初期のゲイン調整を行なった後に、安定状態モードに切り替わる。安定状態モード中は、ユーザによって知覚される音量が、参照される音量レベルに関連して適正化される（必要ならば）ように、デジタルオーディオサンプルのゲインが、進行しながら正確な方法で調整される。

安定状態モードにおいて、処理３００は、安定状態モードにおけるゲイン重みづけファクタを、取得またはアクセスする（タスク３１６）。安定状態モードにおけるゲイン重みづけファクタは、高速適応モード中におけるゲイン重みづけファクタと異なる。安定状態モードにおいて、処理３００はまた、処理のためのデジタルオーディオサンプルの次ブロックを獲得する（タスク３１８）。
現ブロックに対するゲイン値を計算し、そして計算したゲイン値に従って現ブロック内のデジタルオーディオサンプルのゲインを調整する処理を、処理３００は続いて行う（タスク３２０）。タスク３２０では、安定状態モードに対応する現在適用可能な重みづけファクタ（ｗ_１とｗ_２）を用いて、現ブロックのためのゲイン値が計算される。このため、処理３００が安定状態モードでいる限りは、安定状態ゲイン適応スキームを用いてデジタルオーディオサンプルのゲインが調整される。安定状態ゲイン適応スキームは、高速ゲイン適応スキームと異なるものである。処理３００は、遠隔配置されたデジタルメディアプレーヤーに、ゲイン調整されたデジタルオーディオサンプルを転送する（タスク３２２）。タスク３１０に対して上で説明したようである。繰り返しになるが、メディアプレーヤーは、ここに述べられる音量適正化技術を実施するいずれの付加的なまたは特別な処理を実行する必要はない。なぜならば、メディアプレーヤーによって受信されたデジタルオーディオサンプルは、既にゲイン調整されているからである。

上述のように、処理３００は、各新しいメディアストリームごとに繰り返される。ゆえに、エンコーダシステムは、現オーディオストリームから新しいオーディオストリームへ切り替えることを、決定し、検出し、あるいは命令されてもよい（クエリータスク３２４）。プロセス３００が新しいメディアまたは新しいオーディオストリームを検出すれば、プロセス３００は、新しいメディアストリームの処理を初期化し、そして再び高速適応モードに入る（タスク３０２）。あるいは、プロセス３００は、タスク３１８に戻り、安定状態モードにおける処理のために、オーディオサンプルの次ブロックを獲得し、そして上述したことを継続する。

本実施形態では、２つのモデル（高速適応と安定状態）を用いるが、適応デジタルゲイン制御技術は、その代りに、１つのモードのみ、または異なる２つ以上のモードを用いるようにしてもよい。異なる２つのモードの使用が、音質、効率、そして適正化速度の間でのよいバランスを、作り出す。

ここで図４を参照する。デジタルゲイン計算処理４００は、デジタルゲイン計算処理３００中に、エンコーダシステムによって使用される。処理４００は、高速適応モード及び安定状態モードの両方の中で実行される（上述のように、ｗ_１とｗ_２に対する値は異なる）。プロセス４００は、デジタルオーディオサンプルの第１ブロック（ここで、ｋはブロックの番号を示す）から開始し（タスク４０２）、そして処理（タスク４００）のために、メディアストリーム内のデジタルオーディオサンプルのそのブロックを獲得する（タスク４０４）。単一のオーディオサンプルは、自分自身では固有の音の大きさまたは音量の情報を有さないため、処理４００は、ブロック内のデジタルオーディオサンプルを考慮する。この実施形態に対して、プロセス４００は、デジタルオーディオサンプルの現ブロックに対して、音の大きさの推定値（Ｌ_ｋ）を計算する（タスク４０６）。ここで、ｋ番目のブロックは、｛ａ_１，ａ_２，ａ_３，．．．ａ_ｎ｝のＮのサンプルを含む。他の推定方法を用いてもよいが、本実施形態では、
の式により、音の大きさの推定値を計算する。ここで、Ｌ_ｋは、音の大きさの推定値であり、ａ_ｉは、デジタルオーディオサンプルを表し、そして現ブロックはＮのデジタルサンプルを含む。任意に与えられるオーディオサンプルは、視聴者の鼓膜方向にかかる音圧として、正または負であるため、各オーディオサンプルの絶対値が取られる。ゆえに、処理４００は、現ブロックに含まれるオーディオサンプルの“振幅”の和として、音の大きさの推定値を計算する。

計算された音の大きさの推定値は、次にサイレンス(silence)閾値と比較される（クエリータスク４０８）。サイレンス閾値は、実験的に決定されてもよく、つまり、正確な閾値としての役割を果たせるほど低く、そして元のオーディオデータにおけるビットエラー、人工的なノイズ（artifact）、バラツキを考慮して十分に高く、そして音としては検知できない程度の“非ゼロ”の オーディオサンプルである。計算された音の大きさの推定値がサイレンス閾値より以下ならば、処理４００は、デジタルオーディオサンプルの現ブロックに乗数ゲインとして１（または、任意の基準値でよく、基準値が１とほぼ等しい値である必要はない）を適用することができる（タスク４１０）。言い換えれば、処理４００は、現ブロックに対するゲイン値（ｇ_ｋ）が１に等しいと仮定する。ゆえに、プロセス４００は、現ブロックが無音(silence)を表していると決定すれば、いずれのゲインを適用することなく、処理４００をバイパスすることができる。図３を参照してプロセス３００で説明したように、高速適応モード動作中には、ブロックずつ（ｂｌｏｃｋ−ｂｙ−ｂｌｏｃｋ）を基本に、ｗ_１とｗ_２の値が更新される（タスク４１２）。これに対応し、タスク４１２は、タスク４０４に戻り、処理のための次ブロックを獲得する。安定状態モード内であれば、タスク４１２がバイパスされる。

クエリータスク４０８は、音の大きさの推定値がサイレンス閾値より以下ではないと決定すれば、処理４００は次に、音の大きさの推定値によって影響される参照ゲイン値（ｇ_ｒ）を決定または計算を続ける（タスク４１４）。より明確には、参照ゲイン値は、音の大きさの推定値とサイレンス閾値に基づく。他の方法が用いられてもよいが、本実施形態では、
の式により参照ゲイン値を計算する。ここで、ｇ_ｒは、参照ゲイン値であり、そしてＬ_ｒｅｆは、参照音の大きさの値である。参照音の大きさの値は、一定値であって、要求される適正化音量を、表すか、あるいは対応するか、あるいは示すものである。ゆえに、理想的にそして理論的に、ゲイン調整されたデジタルオーディオサンプルは、音の大きさが参照音の大きさの値に対応して調整されるものとして、特徴付けられる。参照ゲイン値は、後に処理４００で用いられる。

処理４００はまた、デジタルオーディオサンプルの現ブロックに対する最大ゲイン値（ｇ_ｍ）を計算する（タスク４１６）。他の方法が用いられてもよいが、本実施形態では、
の式により最大ゲイン値を計算する。ここで、ｎは、デジタルオーディオサンプル毎のビット数であり、そしてａ_ｍａｘは、デジタルオーディオサンプルの現ブロック内の最大の絶対サンプル値である。ブロックのデジタルオーディオサンプル内のビットオーバーフローを防止するために、処理４００は、この方法で最大許容ゲイン値を決定する。例えば、現ブロックが、最大のサンプル値に近づくような比較的に高い値を有するデジタルオーディオサンプルを含んでいる場合には、オーバフローを引き起こさないように、そのサンプルには非常に小さい乗数ゲインが適用される。一方、ブロック内の全てのサンプルが比較的に低い値を有すれば、そのブロックには高い量の乗数ゲインが適用される。

この特徴ある実施形態はまた、デジタルオーディオサンプルの現ブロックの推定ゲイン値（ｇ_ｅ）を決定または計算する（タスク４１８）。推定ゲイン値は、参照ゲイン値及び／または最大ゲイン値によって影響される。より明確には、推定ゲイン値は、参照ゲイン値と最大ゲイン値に基づく。他の方法が用いられてもよいが、本実施形態では、ｇ_ｅ＝ｍｉｎ（ｇ_ｒ，ｇ_ｍ）の式により推定ゲイン値を計算する。ここで、ｇ_ｅは、推定ゲイン値である。ゆえに、推定ゲイン値は、参照ゲイン値または最大ゲイン値のいずれかに等しく、推定ゲイン値はいずれか１つよりは低い（または両方が同一であれば等しい）。

次に、処理４００は、デジタルオーディオサンプルの現ブロックに適用するゲイン値（ｇ_ｋ）を計算する（タスク４２０）。他の方法が用いられてもよいが、本実施形態では、ｇ_ｋ＝ｍｉｎ（ｗ_１ｘｇ_ｋ−１＋ｗ_２ｘｇ_ｅ，ｇ_ｍ）の式により、推定ゲイン値を計算する。ここで、ｇ_ｋは、計算されたゲイン値であり、ｗ_１とｗ_２は、前述の重みづけファクタである。ｇ_ｋ対する式は、２つの値のいずれか低い１つを選択する（または、両方が同一であればいずれかを選択する）という、最小演算を含む。第１の値は、ｗ_１ｘｇ_ｋ−１＋ｗ_２ｘｇ_ｅの項によって規定され、第２の値は、最大ゲイン値（ｇ_ｍ）によって規定される。この式によって示されるように、ゲイン値は、推定ゲイン値、最大ゲイン値、そしてメディアストリーム内のデジタルオーディオサンプルの前のブロックに対する前ゲイン値（ｇ_ｋ−１）、によって影響される。上述の理由により、この計算されたゲイン値はまた、タスク４１４中に計算された参照ゲイン値によっても影響される。この特徴ある実施形態において、現ブロックに対するゲイン値（ｇ_ｋ）は、直前ブロックに対するゲイン値（ｇ_ｋ−１）に対応して決定される。代わりに（または付加的に）、ｇ_ｋは、直前ブロックより以前のブロックに対する他のゲイン値を考慮することによって計算することができる。前のゲイン値に影響されるようにすることで、ブロックからブロックへ変わるときに（ｂｌｏｃｋ−ｔｏ−ｂｌｏｃｋ）、適用されるゲインが大きく変化することを防止する。実際には、ｇ_ｋは、１．０から８．０までの範囲の値を有すが、実施形態によっては、８．０を超える値が実施されても良い。

デジタルオーディオサンプルの現ブロックに対する計算されたゲイン値は、ブロック内のサンプルに適用されることができる（タスク４２２）。実際に、タスク４２２では、デジタルオーディオサンプルの現ブロックを、修正、調整、あるいは変化させる。より明確には、タスク４２２では、元のサンプル値をｇ_ｋで乗算して現ブロックの各サンプルを修正し、その結果、ゲイン調整されたサンプル値を得る。処理３００について上述したように、ゲイン調整されたサンプル値は、遠隔配置されたメディアプレーヤーに送られ、適正化された音の大きいさでメディアストリームを再生することができる。図４は、処理４００でブロックづつ（ｂｌｏｃｋ−ｂｙ−ｂｌｏｃｋ）進行することを示すものとして、タスク４２２がタスク４１２に戻る様子を描く。前述のように、処理４００は、初期には高速適応モード（重みづけファクタが線形調整されたセットを用いて）で実行され、そして安定状態モード（重みづけファクタの固定セットを用いて）が繰り返される。

上述において、少なくとも１つの実施例が詳細に述べられたが、巨大な数の変形が存在することが完全に理解されるべきである。ここに述べられる実施例または実施形態は、発明の主題の範囲、適応性、または構成をいずれの方法においても限定するつもりもないことが完全に理解されるべきである。むしろ、上述の詳細な記載は、同業者に対して述べられた実施形態を実施するための通常のロードマップを提供している。請求項によって定義される範囲を離脱せずに、本出願時において、知られている同等なそして予知可能な機能そして構成要素の再配置におけるさまざまな変化ができることが理解されるべきである。

Claims (6)

1. 遠隔配置されたメディアプレーヤに対してリアルタイムでプレイスシフトをするために、コンテンツソースからオリジナルフォーマットでオーディオビデオコンテンツを受信し、
   前記遠隔配置されたメディアプレーヤに対してリアルタイムでプレイスシフトをするために、前記受信したオーディオビデオコンテンツをパケット化されたストリーミングフォーマットに符号化して、符号化されたメディアストリームを得、
   前記メディアストリームが新たなメディアストリームに切り替わった場合に、前記符号化されたメディアストリームに対してゲイン制御処理の初期化を行い、
   前記初期化された新たなメディアストリームの当初のデジタルオーディオサンプルを第一セットとし、前記メディアストリームの前記第一セットのゲインを高速適応スキームを用いて調整し、前記遠隔配置されたメディアプレーヤでの再生中に適正化された音量が得られるようゲイン調整されたデジタルオーディオサンプルの第一グループの結果を得、
   前記ゲイン調整されたデジタルオーディオサンプルの第一グループを、前記遠隔配置されて前記ゲイン調整されたデジタルオーディオサンプルの第一グループにより音楽を再生するデジタルメディアプレーヤーに転送し、
   前記メディアストリームの前記第一セット終了後のデジタルオーディオサンプルを第二セットとし、前記メディアストリームの第二セットのゲインを前記高速適応スキームと異なる安定状態ゲイン適応スキームを用いて調整し、前記遠隔配置されたメディアプレーヤでの再生中に適正化された音量が得られるようゲイン調整されたデジタルオーディオサンプルの第二グループの結果を得て、ここで、前記デジタルオーディオサンプルの第二セットが前記デジタルオーディオサンプルの第一セットに続き、前記ゲイン調整されたデジタルオーディオサンプルの第二グループが前記ゲイン調整されたデジタルオーディオサンプルの第一グループに続き、
   前記ゲイン調整されたデジタルオーディオサンプルの第二グループを、前記遠隔配置されて前記ゲイン調整されたデジタルオーディオサンプルの第二グループにより音楽を再生する前記デジタルメディアプレーヤーに転送し、
   前記デジタルオーディオサンプルの第一セットのゲイン調整と前記デジタルオーディオ
   サンプルの第二セットのゲイン調整の各々は、
   処理のために符号化されたメディアストリーム内のデジタルオーディオサンプルの現ブロックを獲得し、
   の式により、デジタルオーディオサンプルの前記現ブロックの音の大きさの推定値（Ｌｋ
   ）を計算し、Ｌｋは、音の大きさの推定値であり、ａｉは、デジタルオーディオサンプル
   を表し、現ブロックはＮデジタルサンプルを含み、
   の式により、デジタルオーディオサンプルの前記現ブロックの参照ゲイン値（ｇｒ）を計
   算し、Ｌｒｅｆは、参照音の大きさの値であり、
   の式により、デジタルオーディオサンプルの前記現ブロックの最大ゲイン値（ｇｍ）を計
   算し、ｎは、デジタルオーディオサンプル毎のビット数であり、ａｍａｘは、デジタルオ
   ーディオサンプルの現ブロック内の最大絶対サンプル値であり、
   ｇｅ＝ｍｉｎ（ｇｒ，ｇｍ）の式により、デジタルオーディオサンプルの前記現ブロッ
   クの推定ゲイン値（ｇｅ）を計算し、
   ｇｋ＝ｍｉｎ（ｗ１ｘｇｋ−１＋ｗ２ｘｇｅ，ｇｍ）の式により、デジタルオーディオ
   サンプルの前記現ブロックのゲイン値を計算し、ｗ１とｗ２は、重みづけファクタであり
   、ｗ１とｗ２の値は、前記高速適応スキームにおいて可変であり、ｗ１とｗ２の値は、前
   記安定状態ゲイン適応スキームにおいて固定であって、前記ｗ１とｗ２の値は、前記高速適応スキームの期間において、前記安定状態ゲイン適応スキームの前記固定の値まで、連続的に変化する
   ことを含むことを特徴とするビデオコンテンツを伝えるメディアストリーム内のデジタルオーディオサンプルに対する適応ゲイン制御方法。
2. 前記新たなメディアストリームに対するゲイン制御処理の初期化後から予め決められた時間内で調整されるデジタルオーディオサンプルを、前記第一セットのデジタルオーディオサンプルとする
   ことを特徴とする請求項１記載の方法。
3. 前記新たなメディアストリームに対するゲイン制御処理の初期化後の予め決められたブロック数のデジタルオーディオサンプルを、前記第一セットのデジタルオーディオサンプルとすることを特徴とする請求項１記載の方法。
4. 前記デジタルオーディオサンプルの第二セットのゲイン調整後に、前記新たなメディアストリームが更に新たなメディアストリームである第二メディアストリームに切り替わった場合に、前記第二メディアストリームに対するゲイン制御処理の初期化を行い、
   前記高速適応スキームを用いて前記第二メディアストリームのデジタルオーディオサン
   プルの第三セットのゲインを調整し、再生音量が適正化されるようゲイン調整されたデジ
   タルオーディオサンプルの第三グループを得て、
   その後、前記安定状態ゲイン適応スキームを用いて前記第二メディアストリームのデジ
   タルオーディオサンプルの第四セットのゲインを調整し、再生音量が適正化されるようゲ
   イン調整されたデジタルオーディオサンプルの第四グループを得る
   ことをさらに含むことを特徴とする請求項１記載の方法。
5. 前記符号化されたメディアストリーム内のデジタルオーディオサンプルのブロックに対する音の大きさの推定値を計算し、
   前記音の大きさの推定値をサイレンス閾値と比較し、
   前記音の大きさの推定値がサイレンス閾値以下であれば、デジタルオーディオサンプル
   の前記ブロックに１の乗数ゲインを適用する、
   ことをさらに含むことを特徴とする請求項１記載の方法。
6. ｗ１とｗ２は、重みづけファクタであり、
   ｗ１＋ｗ２＝１．０であり、
   ｗ１＞０．０であり、
   ｗ２＞０．０である
   ことを特徴とする請求項１記載の方法。