JP5624192B2 - オーディオコーディングシステム、オーディオデコーダ、オーディオコーディング方法及びオーディオデコーディング方法 - Google Patents

Description

本発明は、オーディオ信号のコーディングに関し、特に、音声、音楽あるいはそれらの組み合わせのいずれにも限定されないオーディオ信号のコーディングに関する。

従来技術においては、信号の音源モデル、すなわち人間の発声システムにコーディングを基づかせることにより、特に音声信号をコーディングするようになされた音声コーダーがある。このようなコーダーは、音楽、あるいは他の非音声信号のような任意のオーディオ信号を取り扱うことはできない。さらに、従来技術においては、信号の音源モデルではなく、人間の聴覚システムを前提にしたコーディングに基づく、普通オーディオコーダーと呼ばれる音楽コーダーがある。このようなコーダーは、任意の信号を非常によく取り扱うことができ、しかしながら、音声信号用の低ビットレートにおいては、専用音声コーダーの方が優れたオーディオ品質を有する。それゆえ、低ビットレートで操作されるときには、音声については音声コーダーと同様によく、また、音楽については音楽コーダーと同様によく動作する任意のオーディオ信号のコーディングについての一般的なコーディング構造は今まで存在しなかった。

よって、改良されたオーディオ品質および／または低減したビットレートを有する改良オーディオエンコーダおよびデコーダに対する要望がある。

特開２００１−１４２４９９号公報 国際公開第２００６／００８８１７号 特開２００３−４４０９７号公報

実施の形態は従来以上の品質レベルで任意のオーディオ信号を効率的にコーディングすることである。

実施の形態によるシステムは、
オーディオ信号の第１のフレーム長に関して動作し、線形予測（ＬＰ）フィルタに基づいて前記オーディオ信号をフィルタリングする線形予測ユニットと、
可変の第２のフレーム長に関する修正離散コサイン変換（ＭＤＣＴ）により、前記オーディオ信号のフレームを変換領域の信号に変換する適応長さ変換ユニットと、
ＭＤＣＴ領域信号を量子化する量子化ユニットと、
前記ＬＰフィルタの振幅応答に基づいてＭＤＣＴ領域のゲイン曲線を生成するゲイン曲線生成ユニットと
ＬＰパラメータを、前記ＭＤＣＴ領域信号の対応するフレームに対応付けるマッピングユニットと
を有するオーディオコーディングシステムである。

図１は、本発明によるエンコーダとデコーダの好適な実施の形態を示す。 図２は、本発明によるエンコーダとデコーダのより詳細な図を示す。 図３は、本発明によるエンコーダの別の実施の形態を示す。 図４は、本発明によるエンコーダの好適な実施の形態を示す。 図５は、本発明によるデコーダの好適な実施の形態を示す。 図６は、本発明によるＭＤＣＴラインエンコーディングおよびデコーディングの好適な実施の形態を示す。 図７は、本発明によるエンコーダとディコーダと、互いに伝達される関連するコントロールデータの例を示す。 図７ａは、本発明の実施の形態によるエンコーダの態様の別の説明である。 図８は、本発明の実施の形態によるウィンドウシーケンスの例とＬＰＣデータとＭＤＣＴデータの関係を示す。 図９は、本発明によるスケールファクタデータとＬＰＣデータの組み合わせを示す。 図９ａは、本発明によるスケールファクタデータとＬＰＣデータの組み合わせの別の実施の形態を示す。 図９ｂは、本発明によるエンコーダとデコーダの別の単純化したブロック図を示す。 図１０は、本発明によるＬＰＣ多項式のＭＤＣＴゲインカーブへの変換の好適な実施の形態を示す。 図１１は、本発明による、一定更新レートＬＰＣパラメータを適応ＭＤＣＴウィンドウシーケンスデータにマッピングする好適な実施の形態を示す。 図１２は、本発明による、フレームサイズにより量子化器の変換サイズとタイプに基づき知覚重み付けフィルタ計算を適応することの好適な実施の形態を示す。 図１３は、本発明による、フレームサイズにより量子化器を適応することの好適な実施の形態を示す。 図１４は、本発明による、フレームサイズにより量子化器を適用させることの好適な実施の形態を示す。 図１５は、本発明による、ＬＰＣおよびＬＴＰデータの関数として量子化ステップサイズを適応させることの好適な実施の形態を示す。 図１５ａは、差分カーブが差分適応モジュールによりＬＰＣおよびＬＴＰパラメータからどのように導かれるかを示す。 図１６は、本発明による、ランダムオフセットを利用するモデルベース量子化器の好適な実施の形態を示す。 図１７は、本発明によるモデルベース量子化器の好適な実施の形態を示す。 図１７ａは、本発明によるモデルベース量子化器の別な好適な実施の形態を示す。 図１７ｂは、本発明の実施の形態によるモデルベースＭＤＣＴラインデコーダ２１５０を模式的に示す。 図１７ｃは、本発明の実施の形態による量子化器プリプロセスの態様を模式的に示す。 図１７ｄは、本発明の実施の形態によるステップサイズ計算の態様を模式的に示す。 図１７ｅは、本発明の実施の形態によるモデルベースエントロピ制約エンコーダを模式的に示す。 図１７ｆは、本発明の実施の形態による均一スカラ量子化器（ＵＳＱ）の動作を模式的に示す。 図１７ｇは、本発明の実施の形態による確率計算を模式的に示す。 図１７ｈは、本発明の実施の形態による逆量子化プロセスを模式的に示す。 図１８は、本発明による、ビットリザーバコントロールの好適な実施の形態を示す。 図１８ａは、ビットリザーバコントロールの基本的な概念を示す。 図１８ｂは、本発明による、可変フレームサイズ用のビットリザーバコントロールの概念を示す。 図１８ｃは、本発明によるビットリザーバコントロールの例示的コントロールカーブを示す。 図１９は、本発明による、異なった復号ポイントを用いる逆量子化器の好適な実施の形態を示す。

＜概要＞
本発明は、特別に特定の信号用に作られたシステムの品質レベルと同等若しくはより優れた品質レベルで任意のオーディオ信号を効率的にコーディングすることに関する。

本発明は、線形予測コーディング（ＬＰＣ）とＬＰＣ処理された信号上で動作する変換コーダー部との両方を含むオーディオコーデックアルゴリズムに向けられる。

本発明は、さらに変換フレームサイズに依存する量子化方式に関する。さらに、算術符号化援用モデルベースエントロピ制約量子化器が提案される。加えて、均一スカラ量子化器へのランダムオフセットの挿入も提供される。本発明はさらに、算術符号化を援用するモデルベース量子化器、たとえばエントロピ制約量子化器（ＥＣＱ）を提案する。

本発明はさらに、ＬＰＣデータの存在を利用することによるオーディオエンコーダの変換コーディング部のスケールファクタの効率的なコーディングに関する。

本発明はさらに、種々のフレームサイズを有するオーディオエンコーダのビットリザーバの効率的な使用に関する。

本発明はさらに、オーディオ信号をエンコードしビットストリームを生成するエンコーダと、そのビットストリームをデコードして入力オーディオ信号と知覚的に区別できない復号オーディオ信号を生成するデコーダとに関する。

本発明の第１の態様は、たとえば修正離散コサイン変換（ＭＤＣＴ）を適用する変換エンコーダでの量子化に関する。提案の量子化器は、ＭＤＣＴラインを量子化するのが好ましい。この態様は、エンコーダがさらに線形予測符号化（ＬＰＣ）解析あるいは追加の長期間予測（ＬＴＰ）のどちらを用いるかに無関係に適用できる。

本発明は、適応フィルタに基づいて入力信号をフィルタする線形予測ユニットと；フィルタされた入力信号のフレームを変換領域に変換する変換ユニットと；変換領域信号を量子化する量子化ユニットとを備えるオーディオコーディングシステムを提供する。量子化ユニットは、入力信号特性に基づき、変換領域信号をモデルベース量子化器あるいは非モデルベース量子化器のいずれでエンコードするかを決定する。その決定は変換ユニットで適用されるフレームサイズに基づくのが好ましい。しかし、量子化方式の切り替えも入力信号に依存させる基準も、同様に考えられ、本出願の範囲内である。

本発明の他の重要な態様は、量子化器が適応性を有することである。特に、モデルベース量子化器のモデルは、入力オーディオ信号に順応するように適応する。そのモデルは、たとえば入力信号特性に依存して、時間とともに変化する。このことにより、量子化歪みの低減と、その結果の改良されたコーディング品質が可能となる。

一実施の形態によれば、提案の量子化方式は、フレームサイズが条件となる。量子化ユニットは、変換ユニットにより適用されるフレームサイズに基づいて、変換領域信号をモデルベース量子化器でエンコードするか、非モデルベース量子化器でエンコードするかを決定することが提案される。量子化ユニットは、モデルベースエントロピ制約量子化による閾値より小さなフレームサイズのフレームに対して変換領域信号をエンコードするように構成されるのが好ましい。モデルベース量子化は、種々のパラメータが条件となる。大きなフレームは、たとえばＡＡＣコーデックで用いられるような、たとえばハフマンベースエントロピコーディングで、たとえばスカラ量子化器により量子化される。

オーディオコーディングシステムはさらに、フィルタされた入力信号の前回のセグメントの復号に基づき、フィルタされた入力信号のフレームを推定する長期間予測（ＬＴＰ）ユニットと、変換領域で長期間予測推定と変換された入力信号を組み合わせて量子化ユニットに入力される変換領域信号を生成する変換領域信号組合せユニットとを備えてもよい。

ＭＤＣＴラインの異なった量子化方法間の切換は、本発明の好適な実施の形態の別の態様である。異なった変換サイズに対して異なった量子化方式を用いることにより、コーデックは、変換領域コーデックと並行または順番に実行される特定の時間領域音声コーダーを有する必要なしに、ＭＤＣＴ領域でのすべての量子化とコーディングを行うことができる。本発明は、ＬＴＰゲインがある場合に音声状の信号について、短時間変換とモデルベース量子化器を用いて信号をコーディングするのが好ましいことを教示する。モデルベース量子化器は、特に短時間変換向きで、追って概要を記述するように、ＭＤＣＴ領域で実行されながらも、入力信号が音声信号であるとの要件なしで、時間領域音声専用ベクトル量子化器（ＶＱ）の利益を与える。別の表現では、ＬＴＰと組み合わせて短時間変換セグメントにモデルベース量子化器を用いると、専用の時間領域音声コーダーＶＱの効率は一般性の喪失なしに、ＭＤＣＴ領域から離間することなく維持される。

より安定している音楽信号に加えて、オーディオコーデックで普通に用いられているように比較的大きなサイズの変換と、大きな変換により区別されるまばらなスペクトル線を利用する量子化スキームを用いることが好ましい。したがって、本発明は、長い変換にこの種の量子化スキームを用いることを教示する。

よって、フレームサイズの関数として量子化方式を切り替えることにより、コーデックは、単に変換サイズを選択するだけで、専用音声コーデックの特性と専用オーディオコーデックの特性を両方とも維持できる。このことにより従来技術のシステムのすべての問題を回避でき、従来技術のシステムは、時間領域のコーディング（音声コーダー）を周波数領域のコーディング（オーディオコーダー）と効率的に組み合わせる問題や困難に必然的に遭遇するので、これらのシステムは音声信号とオーディオ信号とを低速度で上手く取り扱おうと努力している。

本発明の他の態様によると、量子化は適応ステップサイズを用いる。好ましくは、変換領域信号の成分に対する量子化ステップサイズ（単数または複数）は、線形予測および／または長期間予測パラメータに基づいて適応する。量子化ステップサイズはさらに、周波数依存するようになされてもよい。本発明の実施の形態では、量子化ステップサイズは、適応フィルタの多項式、コーディングレートコントロールパラメータ、長期間予測ゲイン値、および、入力信号分散の少なくとも一つに基づいて決定される。

好ましくは、量子化ユニットは変換領域信号成分を量子化する均一スカラ量子化器を備える。各スカラ量子化器は、たとえば確率モデルに基づく、均一量子化をＭＤＣＴラインに適用する。確率モデルは、ラプラシアンまたはガウシアンモデル、あるいは、信号特性に適切な他の確率モデルでよい。量子化ユニットはさらに、ランダムオフセットを均一スカラ量子化器に挿入してもよい。ランダムオフセットの挿入は、均一スカラ量子化器にベクトル量子化の利点を提供する。実施の形態によれば、ランダムオフセットは、量子化歪みの最適化に基づいて、好ましくは、知覚領域において、および／または、量子化インデックスをエンコードするのに必要なビット数の観点からコストを考慮して、決定する。

量子化ユニットはさらに、均一スカラ量子化器で生成された量子化インデックスをエンコードする算術エンコーダを備えてもよい。このことにより、信号エントロピにより与えられる可能な最低限に近付く低いビットレートが達成される。

量子化ユニットはさらに、全体的歪みをさらに低減するために均一スカラ量子化器から得られる残存量子化信号を量子化する残存量子化器を備えてもよい。残存量子化器は、固定速度ベクトル量子化器であるのが好ましい。

多量子化復号ポイントを、エンコーダの逆量子化ユニットにおいておよび／またはデコーダの逆量子化器で用いてもよい。たとえば、最小平均二乗誤差（ＭＭＳＥ）および／または中央ポイント（中点）復号ポイントを用いて、量子化値の量子化インデックスに基づいて量子化値を復号してもよい。量子化復号ポイントはさらに、中央ポイントとＭＭＳＥポイントの間の動的内挿に基づいてもよく、そのデータの特徴によりコントロールされる可能性もある。このことにより、低ビットレートについてＭＤＣＴラインをゼロ量子化ビンに割り当てることによるノイズの挿入をコントロールしたりスペクトルホールを回避したりすることができる。

特定周波数成分に異なった重みを与えるために量子化歪みを決定するときに変換領域における知覚重み付けを適用するのが好ましい。知覚重みは線形予測パラメータから効率的に導かれる。

本発明の滅の独立した態様は、ＬＰＣおよびＳＣＦ（スケールファクタ）データの共存を利用する一般的な概念に関する。たとえば修正離散化コサイン変換（ＭＤＣＴ）を適用する変換ベースのエンコーダでは、スケールファクタを量子化に用いて量子化ステップサイズをコントロールしてもよい。従来技術では、このようなスケールファクタは、オリジナル信号から推定されてマスキングカーブを決定する。ここではスケールファクタの第２のセットを知覚フィルタまたはＬＰＣデータから算定する心理音響モデルの助けにより推定することが提案される。このことにより、真のスケールファクタを伝達／保存する代わりに、実際に適用されるスケールファクタのＬＰＣ推定スケールファクタに対する差だけを伝達／保存することで、スケールファクタを伝達／保存するためのコストを低減できる。よって、たとえばＬＰＣのような音声コーディング要素と、たとえばＭＤＣＴのような変換コーディング要素とを含むオーディオコーディングシステムにおいて、本発明は、ＬＰＣにより提供されるデータを利用することによりコーデックの変換コーディング部に必要なスケールファクタ情報を伝達するコストを低減する。この態様は、提案するオーディオコーディングシステムの他の態様からは独立し、他のオーディオコーディングシステムでも同様に実行できるということは重要である。

たとえば、知覚マスキングカーブは適応フィルタのパラメータに基づいて推定される。線形予測ベースのスケールファクタの第２のセットは、推定知覚マスキングカーブに基づいて決定される。そして、保存／伝達されたスケールファクタ情報が、量子化で実際に用いられたスケールファクタとＬＰＣベースの知覚マスキングカーブから算定されたスケールファクタの間の差に基づいて決定される。このことにより、スケールファクタを保存／伝達するのにより少ないビットが必要となるように、保存／伝達した情報から強弱や尤度を除去する。

ＬＰＣとＭＤＣＴが同じフレーム速度で作動しない場合、すなわち、異なったフレームサイズを有する場合、変換領域信号のフレームに対する線形予測ベースのスケールファクタは、ＭＤＣＴフレームでカバーされた時間ウィンドウに対応するように内挿された線形予測パラメータに基づいて推定される。

したがって本発明は、変換コーダーに基づき、音声コーダーからの基本的予測と成形モジュールを含むオーディオコーディングシステムを提供する。発明性のあるシステムは、適応フィルタに基づいて入力信号をフィルタする線形予測ユニットと；フィルタされた入力信号のフレームを変換領域に変換する変換ユニットと；変換領域信号を量子化する量子化ユニットと；マスキング閾値カーブに基づいて、変換領域信号を量子化するときに量子化ユニットで用いられるスケールファクタを生成するスケールファクタ決定ユニットと；適応フィルタのパラメータに基づいて線形予測ベースのスケールファクタを推定する線形予測スケールファクタ推定ユニットと；マスキング閾値カーブベースのスケールファクタと線形予測ベースのスケールファクタの差をエンコーディングするスケールファクタエンコーダとを備える。適用されたスケールファクタと利用できる線形予測情報に基づいてデコーダで決定されるスケールファクタとの差をエンコーディングすることにより、コーディングと保存の効率は改善され、保存／伝達するのにほんの数ビットだけが必要となる。

本発明のもう一つの独立したエンコーダ特有の態様は、可変のフレームサイズを処理するビットリザーバに関する。可変長のフレームをコーディングできるオーディオコーディングシステムでは、ビットリザーバはフレーム中のビットを分配することによりコントロールされる。個々のフレームや定義されたサイズのビットリザーバの適当な困難さの尺度が与えられると、所望の一定のビットレートからのあるずれはビットリザーバのサイズにより課せられるバッファの要求に反することなく全体的によりよい品質を可能にする。本発明は、ビットリザーバを使用する概念を、可変フレームサイズの汎用オーディオコーデック用ビットリザーバコントロールに拡張する。したがって、オーディオコーディングシステムは、フレーム長とフレームの困難さの尺度に基づいてフィルタされた信号のフレームをエンコードするのに付与されたビットの数を決定するビットリザーバコントロールユニットを備える。好ましくは、ビットリザーバコントロールユニットは、異なったフレーム困難さの尺度および／または異なったフレームサイズ用の別々のコントロール式を有する。異なったフレームサイズに対する異なった尺度は、それらがより簡単に比較できるように正規化される。可変レートのエンコーダ用にビット配分をコントロールするために、ビットリザーバコントロールユニットは、許容最大フレームサイズに対するビットの平均数に対し付与されたビットコントロールアルゴリズムの許容下限界を設定するのが好適である。

本発明のさらなる局面は、モデルベース量子化器、たとえばエントロピ制約量子化器（ＥＣＱ）を用いるエンコーダのビットリザーバの取り扱いに関する。ＥＣＱのステップサイズの変動を最小化することが示される。量子化器ステップサイズをＥＣＱレートに関係付ける特定のコントロール式が示される。

入力信号をフィルタする適応フィルタは、線形予測コーディング（ＬＰＣ）解析に基づくのが好ましく、白色化した入力信号を生成するＬＰＣフィルタを含む。入力データの現在のフレームのＬＰＣパラメータは、当該技術で公知のアルゴリズムで決定される。ＬＰＣパラメータ予測ユニットは、入力データのフレームに対し、多項式、伝達関数、反射係数、線スペクトル周波数等のような適当なＬＰＣパラメータ表現のいずれかを計算する。コーディングや他の処理に用いられるＬＰＣパラメータ表現の特定のタイプは、それぞれの要求に依存する。当業者には周知のように、表現によっては他の操作よりも特定の操作により適し、よって、そのような操作を実行するのに好ましい。線形予測ユニットはたとえば２０ミリ秒に固定された第１のフレーム長で動作する。線形予測フィルタは、さらにゆがめた周波数軸上でも動作して、特定の周波数範囲、たとえば低周波数を他の周波数より、選択的に強調する。

フィルタされた入力信号のフレームに適用される変換は、可変の第２のフレーム長で動作する修正離散コサイン変換（ＭＤＣＴ）であるのが好ましい。オーディオコーディングシステムは、いくつかのフレームを含む入力信号ブロック全体の、コーディングコスト関数、好ましくは単純化知覚エントロピを最小化することにより、入力信号のブロックに対し、オーバーラップするＭＤＣＴウィンドウのフレーム長を決定するウィンドウシーケンスコントロールユニットを備える。よって、第２のフレーム長を有するＭＤＣＴウィンドウへの入力信号ブロックの最適な分割が導かれる。対照的に、変換領域コーディング構造は、音声コーダー要素を含み、ＬＰＣを除くすべての処理で唯一の基本ユニットとして適応長ＭＤＣＴフレームを有して提案される。ＭＤＣＴフレーム長は多くの様々な値を取り得るので、小さなウィンドウサイズと大きなウィンドウサイズとだけが適用される先行技術で一般的なように、最適なシーケンスが見つけられ、急激なフレームサイズの変化を避けることができる。さらに、小さなウィンドウサイズと大きなウィンドウサイズの間の遷移に対する従来技術のアプローチで用いられるところの、シャープなエッジを有する遷移変換ウィンドウは必要ではない。

好ましくは、最大で２の係数である連続的なＭＤＣＴウィンドウ長の変化および／またはＭＤＣＴウィンドウ長は、二項値である。より具体的には、ＭＤＣＴウィンドウ長は、入力信号ブロックの二項区分である。したがって、ＭＤＣＴウィンドウのシーケンスは、少ない数のビットでエンコードするのが容易な所定のシーケンスに限られる。さらにウィンドウシーケンスはフレームサイズの滑らかな遷移を有し、よって、急激なフレームサイズの変化を除外する。

ウィンドウシーケンスコントロールユニットは、さらに、入力信号ブロックのコーディングコスト関数を最小化するＭＤＣＴウィンドウ長のシーケンスを探すときに、ウィンドウ長の候補について、長期間予測ユニットにより生成された長期間予測推定を考慮するようになされている。この実施の形態では、エンコーディングに用いられるＭＤＣＴウィンドウの改良したシーケンスとなるＭＤＣＴウィンドウ長を決定するときに長期間予測ループは閉じられる。

オーディオコーディングシステムはさらに、線スペクトル周波数または、保存および／またはデコーダに伝達するための線形予測ユニットにより生成された他の適切なＬＰＣパラメータ表現を、可変レートで再帰的にコーディングするためのＬＰＣエンコーダを備えてもよい。実施の形態によれば、線形予測内挿ユニットが提供され、変換領域信号の可変フレーム長に適合するように第１のフレーム長に対応するレートで生成された線形予測パラメータを内挿する。

本発明の態様によれば、オーディオコーディングシステムは、ＬＰＣフレーム用に線形予測ユニットで生成されたＬＰＣ多項式をチャープおよび／または傾斜させることにより適応フィルタの特性を修正する知覚モデリングユニットを備えてもよい。適応フィルタ特性の修正により受信した知覚モデルは、本システムで多くの目的に用いられる。たとえば、量子化または長期間予測の知覚重み関数として用いられる。

本発明のもう一つの態様は、長期間予測（ＬＴＰ）、具体的にはＭＤＣＴ領域、ＭＤＣＴフレーム採用ＬＴＰおよびＭＤＣＴ重みつきＬＴＰ検索における長期間予測に関する。このような態様は、ＬＰＣ解析が変換コーダーの上流に存在するか否かに関わらず、適用される。

実施の形態によれば、オーディオコーディングシステムは、フィルタされた入力信号のフレームの時間領域の復号を生成する逆量子化逆変換ユニットをさらに備える。さらに、フィルタされた入力信号の前回のフレームの時間領域復号を保存する長期間予測バッファが提供されてもよい。これらのユニットは量子化ユニットから長期間予測抽出ユニットへのフィードバックループに配列され、長期間予測抽出ユニットは長期間予測バッファでフィルタされた入力信号の現在のフレームに最も適合する復号セグメントを検索する。さらに、長期間予測ゲイン推定ユニットが提供され、長時間予測バッファから選定されたセグメントのゲインを、現在のフレームに最も適合するように調整してもよい。好ましくは、長期間予測推定は、変換領域の変換された入力信号から取り去られてもよい。したがって、選定されたセグメントを変換領域に変換する第２の変換ユニットが提供される。長期間予測ループはさらに、変換領域の長期間予測推定を逆量子化後で時間領域への逆変換前のフィードバック信号に加えることを含んでもよい。よって、後退適応長期間予測スキームを用いて、変換領域で前回のフレームに基づいてフィルタされた入力信号の現在のフレームを予測してもよい。より効率的にするため、長期間予測スキームを、いくつかの例につき以下に記載するように、異なった方法で適応させてもよい。

実施の形態によれば、長期間予測ユニットは、フィルタされた信号の現在のフレームに最も適合するフィルタされた信号の復号セグメントを特定する遅延値を決定する長期間予測エクストラクタを備える。長期間予測ゲインエスティメータは、フィルタされた信号の選定したセグメントの信号に適用するゲイン値を推定する。好ましくは、遅延値とゲイン値は、知覚領域において長期間予測推定の変換された入力信号に体する差に関係する歪みのクライテリアを最小にするように決定される。歪みのクライテリアを最小にするとき、修正線形予測多項式をＭＤＣＴ領域同等化ゲイン曲線として適用することもできる。

長期間予測ユニットは、ＬＴＰバッファからのセグメントの復号信号を変換領域に変換する変換ユニットを備えてもよい。ＭＤＣＴ変換の効果的な実行のため、変換は離散コサイン変換タイプＩＶとするのが好ましい。

本発明の別の態様は、上記の実施の形態のエンコーダで生成されたビットストリームをデコーディングするオーディオデコーダに関する。実施の形態によるデコーダは、スケールファクタに基づいて入力ビットストリームのフレームを逆量子化する逆量子化ユニットと；変換領域信号を逆に変換する逆変換ユニットと；逆変換された変換領域信号にフィルタを掛ける線形予測ユニットと；エンコーダで適用されるスケールファクタと適応フィルタのパラメータに基づいて生成されるスケールファクタとの差をエンコードする、受信したスケールファクタ差分情報に基づいて逆量子化で用いられるスケールファクタを生成するスケールファクタデコーディングユニットとを備える。デコーダは、現在のフレームに対し線形予測パラメータから導かれたマスキング閾値カーブに基づいてスケールファクタを生成するスケールファクタ決定ユニットをさらに備えてもよい。スケールファクタデコーディングユニットは、受信したスケールファクタ差分情報と生成した線形予測に基づくスケールファクタとを組み合わせ、逆量子化ユニットに入力するスケールファクタを生成する。

別の実施の形態によるデコーダは、入力ビットストリームのフレームを逆量子化するモデルベース逆量子化ユニットと；変換領域信号を逆に変換する逆変換ユニットと；逆に変換された変換領域信号にフィルタを掛ける線形予測ユニットとを備える。逆量子化ユニットは、非モデルベースの逆量子化器とモデルベースの逆量子化器とを備える。

好ましくは、逆量子化ユニットは、少なくとも１つの適応確率モデルを備える。逆量子化ユニットは、伝達された信号特性の関数として逆量子化を適応させるように構成されてもよい。

逆量子化ユニットは、デコードされたフレームについてコントロールデータに基づき逆量子化方式を決定してもよい。好ましくは、逆量子化コントロールデータは、ビットストリームと一緒に受信され、または、受信データから導かれる。たとえば、逆量子化ユニットはフレームの変換サイズに基づいて逆量子化方式を決定する。

別の態様によれば、逆量子化ユニットは適応復号ポイントを備える。逆量子化ユニットは、量子化区間ごとに２つの逆量子化復号ポイントを、特に中間ポイントとＭＭＳＥ復号ポイントを用いるように構成された均一スカラ逆量子化器を備えてもよい。

実施の形態によれば、逆量子化ユニットは、算術符号化と組み合わせてモデルベース量子化器を用いる。

さらに、デコーダはエンコーダに関して上記に説明した多くの態様を備えてもよい。一般的に、いくつかの操作はエンコーダだけで行われデコーダに対応する要素を有していないが、デコーダは、エンコーダの操作を映し出す。よって、エンコーダに関して開示されたものは、特に断らない限り、デコーダでも同様に使えるものとみなされる。

本発明の上記の態様は、デバイス、装置、方法またはプログラム可能なデバイスで動作するコンピュータプログラムとして実施される。発明性のある態様はさらに、信号、データ構成およびビットストリームで具体化されてもよい。

よって、本出願はさらに、オーディオエンコーディング方法とオーディオデコーディング方法とを開示する。例示のオーディオエンコーディング方法は、適応フィルタに基づいて入力信号にフィルタを掛ける工程と；フィルタされた入力信号のフレームを変換領域に変換する工程と；変換領域信号を量子化する工程と；マスキング閾値カーブに基づいて、変換領域信号を量子化するときに量子化ユニットで用いるスケールファクタを生成する工程と；適応フィルタのパラメータに基づいて線形予測ベースのスケールファクタを推定する工程と；マスキング閾値カーブベースのスケールファクタと線形予測ベースのスケールファクタとの差をエンコーディングする工程とを備える。

別のオーディオエンコーディング方法は、適応フィルタに基づいて入力信号にフィルタを掛ける工程と；フィルタされた入力信号のフレームを変換領域に変換する工程と；変換領域信号を量子化する工程とを備え；量子化ユニットは、入力信号特性に基づいて、変換領域信号をマスキング閾値カーブに基づいて、変換領域信号をモデルベース量子化器でエンコードするか、非モデルベース量子化器でエンコードするかを決定する。

例示のオーディオデコーディング方法は、スケールファクタに基づいて入力ビットストリームのフレームを逆量子化する工程と；変換領域信号を逆に変換する工程と；逆に変換された変換領域信号に線形予測フィルタを掛ける工程と；適応フィルタのパラメータに基づいて第２のスケールファクタを推定する工程と；受信したスケールファクタの差の情報と推定した第２のスケールファクタに基づいて逆量子化で用いるスケールファクタを生成する工程とを備える。

別のオーディオエンコーディング方法は、入力ビットストリームのフレームを逆量子化する工程と；変換領域信号を逆に変換する工程と；逆に変換された変換領域信号に線形予測フィルタを掛ける工程とを備え；逆量子化は非モデルベース量子化器とモデルベース量子化器を用いる。

本願にて教示され、また、当業者が例示の実施の形態の以下の説明から導き出せるのは、好適なオーディオエンコーディング／デコーディング方法とコンピュータプログラムのほんの一例である。

本発明をここで、添付図面を参照して例を用いて説明するが、本発明の範囲や思想を限定するものではない。

＜詳細な説明＞
下記に説明する実施の形態は、オーディオエンコーダとデコーダの本発明の原理を単に説明するためのものである。ここで説明する配置や詳細の修正や改変は当業者にとって明きらかであることが理解される。したがって、添付の特許請求の範囲の範囲によってのみ限定され、本書における実施の形態の説明によって示された特定の詳細によっては限定されないことを意図する。実施の形態の類似の要素には類似の参照符号で番号付けされる。

図１にエンコーダ１０１とデコーダ１０２を示す。エンコーダ１０１は時間領域入力信号を取り込み、続いてデコーダ１０２に送られるビットストリーム１０３を生成する。デコーダ１０２は、受信したビットストリーム１０３に基づいて出力波形を生成する。出力信号は、心理音響的にオリジナルの入力信号に類似する。

図２にエンコーダ２００とデコーダ２１０の好適な実施の形態を示す。エンコーダ２００の入力信号は、第１のフレーム長を有するＬＰＣフレーム用の白色化した残留信号と対応する線形予測パラメータとを生成するＬＰＣ（Linear Prediction Coding：線形予測コーディング）モジュール２０１を通過する。さらに、ＬＰＣモジュール２０１にはゲイン正規化が含まれる。ＬＰＣからの残留信号は、第２の可変フレーム長で動作するＭＤＣＴ（Modified Discrete Cosine Transform：修正離散コサイン変換）モジュール２０２によって周波数領域に変換される。図２に示すエンコーダ２００では、ＬＴＰ（Long Term Prediction：長期間予測）モジュール２０５が含まれる。ＬＴＰは、本発明の他の実施の形態で詳述する。ＭＤＣＴラインは量子化２０３され、デコーダ２１０で使えるようにデコーディングされた出力のコピーをＬＴＰバッファに提供するように逆量子化２０４もされる。量子化歪みのために、このコピーはそれぞれの入力信号の復号と呼ばれる。図２の下部にデコーダ２１０を示す。デコーダ２１０は、量子化されたＭＤＣＴラインを受け取り、それらを逆量子化２１１し、ＬＴＰモジュール２１４からの寄与を付加し、逆ＭＤＣＴ変換２１２をして、ＬＰＣ合成フィルタ２１３が続く。

上記の実施の形態で重要な態様は、ＬＰＣがそれ自身の（一実施の形態では一定の）フレームサイズを有しＬＰＣパラメータもコーディングされるものの、ＭＤＣＴフレームがコーディング用の唯一の基本ユニットであるということである。実施の形態は、変換コーダーから始まり、音声コーダーから基本的予測および成形モジュールを導入する。追って説明するように、ＭＤＣＴフレームサイズは可変であり、単純化知覚エントロピコスト関数を最小化することによりブロック全体に対する最適ＭＤＣＴウィンドウシーケンスを決定することにより入力信号のブロックに適応する。このことにより、スケーリングが最適な時間／周波数コントロールを維持できる。さらに、提案の一体化した構造は、異なったコーディングパラダイムの切替えや層をなすことによる組合せを回避する。

図３では、エンコーダ３００の部分がより詳細に模式的に説明される。図２のエンコーダのＬＰＣモジュール２０１からの出力である白色化された信号は、ＭＤＣＴのフィルタバンク３０２に入力される。ＭＤＣＴ分析は、オプションとして時間ゆがみＭＤＣＴ分析でもよく、時間ゆがみＭＤＣＴ分析は、信号のピッチ（信号がよく確立されたピッチで周期的なら）がＭＤＣＴ変換ウィンドウで一定であることを確かなものにする。

図３では、ＬＴＰモジュール３１０がより詳細に示される。ＬＴＰモジュール３１０は、前回の出力信号のセグメントの復号された時間領域サンプルを保持するＬＴＰバッファ３１１を備える。ＬＴＰエクストラクタ３１２は、現在の入力セグメントを与えられてＬＴＰバッファ３１１中に最も適合するセグメントを見つけ出す。量子化器３０３に入力されようとしているセグメントから抽出される前に、ゲインユニット３１３によりこのセグメントに適切なゲイン値が適用される。明らかに、量子化の前に抽出するために、ＬＴＰエクストラクタ３１２はまた選択された信号セグメントをＭＤＣＴ領域に変換する。ＬＴＰエクストラクタ３１２は、復号された前回の出力信号セグメントを変換されたＭＤＣＴ領域入力フレームと組み合わせるときに知覚領域の誤差関数を最小化する最適なゲインと遅延値を探す。たとえば、ＬＴＰモジュール３１０からの変換された復号セグメントと変換された入力フレーム（すなわち、抽出後の残留信号）との間の平均二乗誤差（ＭＳＥ）関数が最適化される。この最適化は、周波数成分（すなわちＭＤＣＴライン）が知覚重要性に応じて重み付けされる知覚領域で実行される。ＬＴＰモジュール３１０はＭＤＣＴフレームユニットで動作し、エンコーダ３００は、たとえば量子化モジュール３０３における量子化について、一度に一つのＭＤＣＴフレーム残留を扱う。遅延とゲイン探索は、知覚領域で実行される。オプションとして、ＬＴＰは、周波数選択的、すなわち周波数にわたりゲインおよび／または遅延を適応させてもよい。逆量子化ユニット３０４と逆ＭＤＣＴユニット３０６を説明する。ＭＤＣＴは、追って説明するように、時間で歪んでいる。

図４にエンコーダ４００の別の実施の形態を示す。図３に加え、分かりやすくするためＬＰＣ分析４０１が含まれる。選択された信号セグメントをＭＤＣＴ領域に変換するのに用いられるＤＣＴ−ＩＶ変換４１４が示される。さらに、ＬＴＰセグメント選定の最小誤差を計算するいくつかの方法が図示される。図４に示される残留信号の最小化（図４でＬＴＰ２とされる）に加え、ＬＴＰバッファ４１１での保管のために復号した時間領域信号に逆変換される前に変換入力信号と逆量子化ＭＤＣＴ領域信号との間の差の最小化が示される（ＬＴＰ３とされる）。このＭＳＥ関数の最小化は、ＬＴＰの寄与を変換された入力信号とＬＴＰバッファ４１１に保管するための復号された入力信号との最適な（可能な限り）類似性に仕向ける。他の代替となる誤差関数（ＬＴＰ１とされる）は、時間領域でのこれらの信号の差に基づく。この場合に、ＬＰＣフィルタを掛けられた入力フレームとＬＴＰバッファ４１１の対応する時間領域復号とのＭＳＥは最小化される。好都合なことにＭＳＥはＭＤＣＴフレームサイズに基づいて計算され、ＭＤＣＴフレームサイズはＬＰＣフレームサイズと異なっていてもよい。さらに、量子化器ブロックと逆量子化器ブロックは、量子化とは別の追加のモジュールを含むスペクトルエンコーディングブロック４０３とスペクトルデコーディングブロック４０４（「Spec enc」と「Spec dec」）で置き換えられ、図６にて追って説明する。また、ＭＤＣＴと逆ＭＤＣＴは時間歪みを受ける（ＷＭＤＣＴ、ＩＷＭＤＣＴ）。

図５に、提案するデコーダ５００を示す。受信したビットストリームからのスペクトルデータは、逆量子化５１１され、ＬＴＰエクストラクタによりＬＴＰバッファ５１５から提供されたＬＴＰ寄与に加えられる。デコーダ５００のＬＴＰエクストラクタ５１６およびＬＴＰゲインユニット５１７も示される。合計されたＭＤＣＴラインは、ＭＤＣＴ合成ブロックにより時間領域に合成され、時間領域信号は、ＬＰＣ合成フィルタ５１３によりスペクトルとして形成される。

図６に、図４の「Spec enc」（スペクトルエンコーディング）ブロック４０３と「Spec dec」（スペクトルデコーディング）ブロック４０４をより詳細に示す。図の右に示すスペクトルエンコーディングブロック６０３は、実施の形態では、高調波予測分析モジュール６１０、ＴＮＳ（Temporal Noise Shaping：時間ノイズ形成）分析モジュール６１１、その後にＭＤＣＴラインのスケールファクタスケーリングモジュール６１２、および、最後にエンコーディングラインモジュール６１３の量子化とエンコーディングとを備える。図で左に示されるデコーダ「Spec dec」（スペクトルデコーディング）ブロック６０４は、逆プロセスを行い、すなわち、受信したＭＤＣＴラインはデコーディングラインモジュール６２０で逆量子化され、スケーリングはスケールファクタ（ＳＣＦ）スケーリングモジュール６２１によってなされてはいない。ＴＮＳ合成６２２と高調波予測合成６２３が適用される。

図７に、発明性のあるコーディングシステムのとても一般的な図を示す。例示のエンコーダは、入力信号を受け取り、特に次のデータを含む、ビットストリームを生成する。
・量子化されたＭＤＣＴライン
・スケールファクタ
・ＬＰＣ多項式表現
・信号セグメントエネルギ（たとえば、信号分散）
・ウィンドウシーケンス
・ＬＴＰデータ
実施の形態によるデコーダは、提供されたビットストリームを読み、オリジナル信号を心理音響的に表すオーディオ出力信号を生成する。

図７ａは、本発明の実施の形態によるエンコーダ７００の態様の別の図である。エンコーダ７００は、ＬＰＣモジュール７０１、ＭＤＣＴモジュール７０２、ＬＴＰモジュール７０５（簡単化して示すのみ）、量子化モジュール７０３、および、復号した信号をＬＴＰモジュール７０５に戻す逆量子化モジュール７０４を備える。入力信号のピッチを推定するピッチ推定モジュール７５０と、入力信号の比較的大きなブロック（たとえば１秒）用に最適なＭＤＣＴウィンドウシーケンスを決定するウィンドウシーケンス決定モジュール７５１をさらに備える。この実施の形態では、ＭＤＣＴウィンドウシーケンスは開ループアプローチに基づいて決定され、開ループアプローチでは、たとえば単純化知覚エントロピであるコーディングコスト関数を最小化するＭＤＣＴウィンドウサイズ候補のシーケンスが決定される。ウィンドウシーケンス決定モジュール７５１で最小化されたコーディングコスト関数に対するＬＴＰモジュール７０５の寄与は、最適ＭＤＣＴウィンドウシーケンスを探すときにオプションとして考慮されてもよい。好ましくは、評価された各ウィンドウサイズ候補について、ウィンドウサイズ候補に対応するＭＤＣＴフレームへの最適な長期間予測寄与を決定し、各コーディングコストが推定される。一般的に、短いＭＤＣＴフレームサイズは音声入力により適するが、詳細なスペクトル分解能を有する長い変換ウィンドウはオーディオ信号に適する。

知覚重み付けあるいは知覚重み付け関数は、ＬＰＣモジュール７０１で計算されたＬＰＣパラメータに基づいて決定され、以下に詳細に説明される。知覚重み付けは、ＬＴＰモジュール７０５と量子化モジュール７０３に提供され、共にＭＤＣＴ領域で動作し、それぞれの知覚重要性に応じて周波数成分の誤差または歪み寄与を重み付けする。図７ａは、どのコーディングパラメータがデコーダに、好ましくは追って説明するような適切なコーディングスキームにより、伝達されるかを示す。

次に、共に反作用と実際のフィルタの省略のためであるが、ＬＰＣおよびＭＤＣＴデータの共存とＭＤＣＴでのＬＰＣの効果のエミュレーションを説明する。

実施の形態によれば、ＬＰモジュールは、信号のスペクトル形状を除去し、そして、続くＬＰモジュールの出力がスペクトル的にフラットな信号となるように、入力信号にフィルタを掛ける。このことは、たとえばＬＴＰの動作に利点を有する。しかし、スペクトル的にフラットな信号に動作するコーデックの他の部分は、ＬＰフィルタの前のオリジナル信号のスペクトル形状がどんなものであったのかを知ることにより利益を得る。フィルタの後のエンコーダモジュールはスペクトル的にフラットな信号のＭＤＣＴ変換に動作するので、必要ならば、本発明はＬＰフィルタの前のオリジナル信号のスペクトル形状を、ゲインカーブすなわち量子化カーブに使用したＬＰフィルタの変換関数（すなわち、オリジナル信号のスペクトル包絡線）でマッピングすることによりスペクトル的にフラットな信号のＭＤＣＴ表現に再度掛け、変換関数はスペクトル的にフラットな信号のＭＤＣＴ表現の周波数ビンに適用されることを教示する。反対に、ＬＰモジュールは、実際のフィルタを省略し、変換関数を推定するだけでよく、変換関数は次にゲインカーブにマッピングされ、ゲインカーブは信号のＭＤＣＴ表現に掛けられ、よって入力信号の時間領域フィルタの必要性をなくする。

本発明の実施の形態の一つの顕著な態様は、ＭＤＣＴベースの変換コーダーが、フレキシブルなウィンドウセグメント分けを用いてＬＰＣ白色化信号で動作することである。このことは図８に示され、図８では例示のＭＤＣＴウィンドウシーケンスが、ＬＰＣのウィンドウ化と一緒に示される。したがって、図から明らかなように、ＬＰＣは一定のフレームサイズ（たとえば２０ミリ秒）で動作するが、ＭＤＣＴは可変ウィンドウシーケンス（たとえば、４〜１２８ミリ秒）で動作する。このことにより、独立してＬＰＣに対する最適なウィンドウ長とＭＤＣＴに対する最適なウィンドウシーケンスとが選定できる。

図８は、第１のフレームレートで生成されたＬＰＣデータ、特にＬＰＣパラメータと、第２の可変レートで生成されたＭＤＣＴデータ、特にＭＤＣＴラインとの関係を更に示す。図中、下向き矢印は、対応するＭＤＣＴフレームに適合するようにＬＰＣフレーム（サークル）間に挿入されるＬＰＣデータを表す。たとえば、ＬＰＣで生成された知覚重み付け関数は、ＭＤＣＴウィンドウシーケンスで決められる時間インスタンスに挿入される。

上向き矢印は、ＭＤＣＴラインコーディングに用いられる改良データ（すなわちコントロールデータ）を表す。ＡＡＣについてこのデータは典型的にスケールファクタであり、ＥＣＱフレームについてそのデータは典型的に分散補正データなどである。実線対破線は、ある量子化器に与えられたＭＤＣＴラインコーディング用の最も「重要な」データがどちらのデータであるかを表す。二重の下向き矢印は、コーデックスペクトルラインを表す。

エンコーダでのＬＰＣとＭＤＣＴデータの共存は、たとえば、ＬＰＣパラメータから推定した知覚マスキングカーブを考慮することによりＭＤＣＴスケールファクタをエンコーディングすることのビット要求を低減するのに利用される。さらに、量子化歪みを決定するのにＬＰＣ由来知覚重み付けを用いてもよい。図示され以下に説明されるように、量子化器は２つのモードで作動し、受信したデータのフレームサイズに基づき、すなわちＭＤＣＴフレームやウィンドウサイズに対応して、２つのタイプのフレーム（ＥＣＱフレームとＡＡＣフレーム）を生成する。

図１１は一定レートＬＰＣパラメータを適応ＭＤＣＴウィンドウシーケンスデータにマッピングする好適な実施の形態を示す。ＬＰＣマッピングモジュール１１００は、ＬＰＣ更新レートにしたがったＬＰＣパラメータを受信する。さらに、ＬＰＣマッピングモジュール１１００はＭＤＣＴウィンドウシーケンスに関する情報を受信する。そして、たとえば、可変ＭＤＣＴフレームレートで生成されるそれぞれのＭＤＣＴフレームにＬＰＣベースの心理音響データをマッピングするのに、ＬＰＣ−ＭＤＣＴマッピングを生成する。たとえば、ＬＰＣマッピングモジュールは、たとえばＬＴＰモジュールまたは量子化器の知覚重みのように使うために、ＬＰＣ多項式あるいはＭＤＣＴフレームに対応する時間インスタンスの関連データを内挿する。

ここで、図９を参照してＬＰＣベースの知覚モデルの特徴について説明する。ＬＰＣモジュール９０１を本発明の実施の形態では、たとえば１６ｋＨｚのサンプリングレート信号用命令１６の線形予測を用いて白色化出力信号を生成するように適応する。たとえば、図２のＬＰＣモジュール２０１からの出力は、ＬＰＣパラメータ推定とフィルタ掛けの後に残留物となる。図９の左下に模式的に示される、推定したＬＰＣ多項式Ａ（ｚ）は、バンド幅拡張係数によりチャープされ、本発明の実施によっては傾けられ、対応するＬＰＣ多項式の第１の反射率を修正する。チャープは、多項式の極を内側にユニットサークルへ移動することによりＬＰＣ伝達関数のピークのバンド幅を拡張し、その結果柔らかなピークとする。傾けることにより、低周波数と高周波数の影響をバランスするためにＬＰＣ伝達関数をより平らにすることができる。このような修正は、システムのエンコーダとデコーダの両側で利用可能な推定したＬＰＣパラメータから知覚マスキングカーブＡ’（ｚ）を生成することを目的とする。ＬＰＣ多項式の操作の詳細は、以下の図１２に示す。

ＬＰＣ残留に動作するＭＤＣＴコーディングは、本発明の一実施においては、量子化器の分解能あるいは量子化ステップサイズ（および、量子化により導入されるノイズ）をコントロールするスケールファクタを有する。このようなスケールファクタは、オリジナルの入力信号についてスケールファクタ推定モジュール９６０により推定される。たとえば、スケールファクタはオリジナル信号から推定された知覚マスキング閾値カーブから導かれる。実施の形態では、分割周波数変換（異なった周波数分解能を恐らく有する）を用いてマスキング閾値カーブを決定してもよいが、このことは常に必要なわけではない。あるいは、マスキング閾値カーブは変換モジュールにより生成されたＭＤＣＴラインから推定されてもよい。図９の右下部分は、スケールファクタ推定モジュール９６０により生成された、導入される量子化ノイズが不可聴歪みに制限されるように量子化をコントロールするスケールファクタを図示する。

ＬＰＣフィルタがＭＤＣＴ変換モジュールの上流に接続されると、白色化信号はＭＤＣＴ領域に変換される。この信号は白色スペクトルを有するので、知覚マスキングカーブを導くのには適さない。よって、マスキング閾値カーブおよび／またはスケールファクタを推定するには、スペクトルの白色化を相殺するのに生成されたＭＤＣＴ領域量子化ゲインカーブを用いる。これは、知覚マスキングを正確に推定するためには、スケールファクタは、オリジナル信号の完全なスペクトル特性を有する信号で推定する必要があるからである。ＬＰＣ多項式からのＭＤＣＴ領域量子化ゲインカーブの計算は、以下に図１０を参照して詳細に説明する。

上記に概要を示したスケールファクタ推定の実施の形態が図９ａに示される。この実施の形態では、入力信号は、Ａ（Ｚ）により説明される入力信号のスペクトル包絡線を推定し、入力信号にフィルタを掛けたものに加えて前記の多項式を出力するＬＰモジュール９０１に入力される。入力信号は、続いてエンコーダの別の部分で使用されるスペクトル的に白色化された信号を得るために、Ａ（Ｚ）の逆数でフィルタを掛けられる。フィルタされた信号

は、ＭＤＣＴ変換ユニット９０２に入力され、Ａ（Ｚ）多項式はＭＤＣＴゲインカーブ計算ユニット９７０（図１４に示す）に入力される。ＬＰ多項式から推定されるゲインカーブは、スケールファクタ推定の前にオリジナル入力信号のスペクトル包絡線を維持するようにＭＤＣＴ係数またはラインに適用される。ゲインを調整されたＭＤＣＴラインは、入力信号のスケールファクタを推定するスケールファクタ推定モジュール９６０に入力される。

上記に概略を説明したアプローチを用いると、エンコーダとデコーダ間で伝達されたデータは、モデルベース量子化器を用いると信号モデルと共に関連した知覚情報も導き出されるＬＰ多項式と、変換コーデックで一般的に用いられるスケールファクタとの両方を含む。

更に詳細には、図９に戻って、図中のＬＰＣモジュール９０１は入力信号から信号のスペクトル包絡線Ａ（ｚ）を推定し、それから知覚表現Ａ’（ｚ）を導き出す。さらに、変換ベースの知覚オーディオコーデックで通常用いられるスケールファクタが入力信号について推定され、または、スケールファクタ推定でＬＰフィルタの変換関数が考慮されるならば（以下に図１０の関係で説明されるように）、スケールファクタは、ＬＰフィルタで作られた白色化信号について推定される。それからスケールファクタは、以下に簡単に説明するように、スケールファクタを伝達するのに必要なビットレートを低減するために、ＬＰ多項式を与えられたスケールファクタ適応モジュール９６１で適応される。

通常、スケールファクタはデコーダに伝達され、ＬＰ多項式もデコーダに伝達される。ここで、それらはオリジナル入力信号から推定され、共にオリジナル入力信号の絶対スペクトル特性に多少相関を有するとすると、それらが別々に伝達されると生ずる冗長性を除去するために、それら２つの間の差分表現をコーディングすることが提案される。実施の形態によれば、この相関は以下のように利用される。ＬＰＣ多項式は正しくチャープされ傾けられたときにマスキング閾値カーブを表そうとするので、伝達された変換コーダーのスケールファクタが所望のスケールファクタと変換されたＬＰＣ多項式から導かれるものとの間の差を表現するように２つの表現が組み合わされる。したがって、図９に示されるスケールファクタ適応モジュール９６１は、オリジナル入力信号から生成された所望のスケールファクタとＬＰＣ由来のスケールファクタとの差を計算する。この態様は、ＬＰＣ構造内で、変換コーダーで一般的に用いられるスケールファクタの概念を有するＭＤＣＴベースの量子化器がＬＰＣ残留に作用する能力を維持し、さらに線形予測データからのみ量子化ステップサイズを導くモデルベース量子化器に切り替える可能性も有する。

図９ｂには、実施の形態によるエンコーダとデコーダの単純化したブロック図を示す。エンコーダの入力信号は白色化残留信号と対応する線形予測パラメータを生成するＬＰＣモジュール９０１を通過する。さらに、ＬＰＣモジュール９０１にはゲイン正規化が含まれる。ＬＰＣからの残留信号はＭＤＣＴ変換９０２で周波数領域に変換される。図９ｂの右に向かって、デコーダが描かれる。デコーダは量子化されたＭＤＣＴラインを受け取り、それらを逆量子化９１１し、逆ＭＤＣＴ変換を適用９１２し、ＬＰＣ合成フィルタ９１３が続く。

図９ｂのエンコーダのＬＰＣモジュール９０１から出力される白色化信号は、ＭＤＣＴフィルタバンク９０２に入力される。ＭＤＣＴ分析の結果としてＭＤＣＴラインは、ＭＤＣＴスペクトルの異なった部分についての所望の量子化ステップサイズを導く知覚モデルからなる変換コーディングアルゴリズムで変換コーディングされる。量子化ステップサイズを決定する値は、スケールファクタと呼ばれ、スケールファクタバンドと呼ばれる各区分に必要な１つのスケールファクタ値があり、スケールファクタはビットストリームを介してデコーダに伝達される。

本発明の一態様によれば、図９を参照して説明したように、ＬＰＣパラメータから推定された知覚マスキングカーブを、量子化で用いるスケールファクタをエンコーディングするときに用いる。知覚マスキングカーブを推定するもう一つの可能性は、ＭＤＣＴラインにわたるエネルギ分布の推定に未修正のＬＰＣフィルタ係数を用いることである。このエネルギ推定により、変換コーディングスキームで用いる心理音響モデルがエンコーダとデコーダの両方で適用され、マスキングカーブの推定が求められる。

その後、マスキングカーブの２つの表現は組み合わされ、変換コーダーの伝達されるスケールファクタが、所望のスケールファクタと伝達されたＬＰＣ多項式またはＬＰＣベースの心理音響モデルに由来するスケールファクタとの差を表わすようにされる。この特徴は、変換コーダーで普通に用いられるスケールファクタの概念を有するＭＤＣＴベースの量子化器を有する能力を維持する。利点は、スケールファクタの差を伝達することは、既に存在するＬＰＣデータを考慮することなく完全なスケールファクタ値を伝達することと比べて用いるビット数が少ないということである。ビットレート、フレームサイズまたは他のパラメータに依存して、伝達されるスケールファクタの残留が選択される。各スケールファクタ帯域の前コントロールを有するのに、スケールファクタ差分は、適切なノイズなしスキームで伝達される。他の場合には、スケールファクタを伝達するコストは、スケールファクタの差のより粗い表現によりさらに低減できる。最低のオーバーヘッドの特別なケースは、全ての帯域にスケールファクタの差がゼロに設定された時であり、追加の情報は伝達されない。

図１０は、ＬＰＣ多項式をＭＤＣＴゲインカーブに書き換える好適な実施の形態を示す。図２で概略説明したように、ＭＤＣＴは、ＬＰＣフィルタ１００１で白色化された白色化信号について動作する。オリジナル入力信号のスペクトル包絡線を維持するため、ＭＤＣＴゲインカーブは、ＭＤＣＴゲインカーブモジュール１０７０で計算される。ＭＤＣＴ領域等化ゲインカーブは、ＭＤＣＴ変換のビンで表される周波数について、ＬＰＣフィルタで説明されたスペクトル包絡線の強度応答を推定することによって得られる。それから、ゲインカーブは、たとえば図３で示した最小平均自乗誤差信号を計算するときに、または、上記の図９を参照して説明したようにスケールファクタ決定のために知覚マスキングカーブを推定するときに、ＭＤＣＴデータに適用される。

図１２は、変換サイズおよび／または量子化器のタイプに基づいて知覚重み付けフィルタ計算を適応する好適な実施の形態を示す。ＬＰ多項式Ａ（ｚ）は図１２のＬＰＣモジュール１２０１で推定される。ＬＰＣパラメータ修正モジュール１２７１はＬＰＣ多項式Ａ（ｚ）のようなＬＰＣパラメータを受信し、ＬＰＣパラメータを修正することにより知覚重み付けフィルタＡ’（ｚ）を生成する。たとえば、ＬＰＣ多項式Ａ（ｚ）のバンド幅を拡張し、および／または、多項式を傾斜する。適応チャープ・傾斜モジュール１２７２への入力パラメータは、デフォルトチャープ値ρおよび傾斜値γである。これらは、用いる変換サイズおよび／または用いる量子化方式Ｑに基づいて、所定のルールを考えて修正される。修正されたチャープパラメータρ’と傾斜パラメータγ’は、Ａ（ｚ）で表される入力信号スペクトル包絡線をＡ’（ｚ）で表される知覚マスキングカーブに書き換えるＬＰＣパラメータ修正モジュール１２７1に入力される。

以下では、フレームサイズに条件のある量子化方式および本発明の実施の形態により様々なパラメータに条件のあるモデルベース量子化を説明する。本発明の一態様は、異なった変換サイズやフレームサイズに対して異なった量子化方式を用いることである。このことは図１３に示され、フレームサイズがモデルベース量子化器または非モデルベース量子化器を用いるための選択パラメータとして用いられる。この量子化の態様は、開示されたエンコーダ／デコーダの他の態様とは独立し、別のコーデックにも適用できることは重要である。非モデルベース量子化器の例は、ＡＡＣオーディオコーディング規格で用いられるハフマン表ベースの量子化器である。モデルベース量子化器は、算術符号化を用いるエントロピ制約量子化器（ＥＣＱ）でもよい。しかし、本発明の実施の形態では他の量子化器を同様に用いてもよい。

本発明の独立した態様によれば、特定のフレームサイズを考慮した最適な量子化方式を用いることができるように、フレームサイズの関数として異なった量子化方式間で切り替えることが推奨される。例として、ウィンドウシーケンスは、信号の非常に安定している調性音楽セグメントについて長い変換の使用を決定する。長い変換を用いる、この特定の信号タイプについて、信号スペクトルの「まばらな」特徴（すなわち、よく定義された離散化したトーン）を利用する量子化方式を用いることは大いに有益である。ハフマン表と組み合わせてＡＡＣで用いられ、スペクトル線をグルーピングしてＡＡＣでまた用いられる量子化方法は、とても利益がある。しかし、反対に、音声セグメントについては、ウィンドウシーケンスは、ＬＴＰのコーディングゲインを考慮して、短時間変換の使用を決定する。この信号タイプと変換サイズについて、スペクトルのまばらさを見出したり導入したりしようとせず、代わりに、ＬＴＰを考慮してオリジナル入力信号のパルス的な特徴を保持するブロードバンドエネルギを維持する量子化方式を採用することは利益がある。

この概念のより一般的な概観は図１４に示され、入力信号はＭＤＣＴ領域に変換され、続いてＭＤＣＴ変換に用いられる変換サイズまたはフレームサイズによりコントロールされる量子化器で量子化される。

本発明の他の態様によれば、量子化器のステップサイズは、ＬＰＣおよび／またはＬＴＰデータの関数として適応される。このことによりフレームの困難さによりステップサイズの決定を行うことができ、フレームのエンコーディングに割り当てられるビット数をコントロールする。図１５にモデルベース量子化がＬＰＣおよびＬＴＰデータによりどのようにコントロールされるかが示される。図１５の上部にはＭＤＣＴラインの模式図が示される。下には、周波数の関数としての量子化ステップサイズ差分Δを表す。この特定の例から、周波数と共に量子化ステップサイズが増加すること、すなわち、大きな量子化歪みが高い周波数で生ずることが明らかである。差分カーブは、図１５ａに示す差分適応モジュールによってＬＰＣおよびＬＴＰパラメータから導かれる。差分カーブは、図１３を参照して説明したように、さらに、チャープおよび／または傾斜により予測多項式Ａ（ｚ）から導かれる。

ＬＰＣデータから導かれる好適な知覚重み付け関数は、下記の式で与えられる。

ここで、Ａ（ｚ）はＬＰＣ多項式、τは傾斜パラメータ、ρはチャープをコントロールし、γ１はＡ（ｚ）多項式から計算した第１の反射率である。Ａ（ｚ）多項式は、その多項式から関連情報を抽出するために、異なった表現の類別にまで再計算されることが重要である。スペクトルの傾斜を無効にする「傾斜」を適用するためにスペクトルの傾斜に興味があれば、第１の反射率はスペクトルの傾斜を表すので、反射率までのＡ（ｚ）多項式の再計算が好ましい。

さらに、差分値Δは、入力信号分散σ、ＬＴＰゲインｇ、および、予測多項式から導く第１の反射率γ１の関数として適応できる。たとえば、適応は下記式に基づいてもよい。

以下に、本発明の実施の形態によるモデルベース量子化器の態様を説明する。図１６にモデルベース量子化器の態様の一つを図示する。ＭＤＣＴラインを、均一スカラ量子化器を用いて量子化器に入力する。さらに、ランダムオフセットを量子化器に入力し、量子化区間の境界を変更する量子化区間のオフセット値として用いる。提案の量子化器は、スカラ量子化器の検索能力を維持しつつ、ベクトル量子化の長所を提供する。量子化器は異なったオフセット値のセットについて反復し、それらの量子化誤差を計算する。量子化される特定のＭＤＣＴラインの量子化歪みを最小化するオフセット値（またはオフセット値のベクトル）を、量子化に用いる。それからオフセット値は、量子化ＭＤＣＴラインに沿ってデコーダに伝達される。ランダムオフセットの使用により、逆量子化され、デコーディングされた信号にノイズ充填が行われ、そのようにすることにより、量子化スペクトルのスペクトルホールを回避する。このことは、そうしなければ多くのＭＤＣＴラインが復号信号のスペクトルの可聴ホールとなるゼロ値に量子化されてしまう低ビットレートにとっては特に重要である。

図１７は、本発明の実施の形態によるモデルベースＭＤＣＴライン量子化器（ＭＢＭＬＱ）を模式的に示す。図１７の上部は、ＭＢＭＬＱエンコーダ１７００を表わす。ＭＢＭＬＱエンコーダ１７００は入力としてＭＤＣＴフレームのＭＤＣＴラインあるいはＬＴＰがシステムに存在するならＬＴＰ残留のＭＤＣＴラインを受け取る。ＭＢＭＬＱは、ＭＤＣＴラインの統計モデルを用い、ソースコードをＭＤＣＴのフレームごとに基づく信号特性に適応させ、ビットストリームに効率的な圧縮を施す。

ＭＤＣＴラインの局所的ゲインはＭＤＣＴラインのＲＭＳ値、およびＭＢＭＬＱエンコーダ２１００に入力される前にゲイン正規化モジュール２１２０で正規化されたＭＤＣＴラインとして推定される。局所的ゲインはＭＤＣＴラインを正規化し、ＬＰゲイン正規化を補完する。ＬＰゲインはより大きな時間スケールで信号レベルの変化に適応するが、局所的ゲインは、より小さな時間スケールでの変化に適応し、遷移サウンドと音声の出だしの改良した品質を生ずる。局所的ゲインは固定レートあるいは可変レートコーディングでエンコードされ、デコーダに伝達される。

レートコントロールモジュール１７１０を用いてＭＤＣＴフレームをエンコードするのに用いるビット数をコントロールしてもよい。レートコントロールインデックスは、使用されるビット数をコントロールする。レートコントロールインデックスは、公称量子化器ステップサイズのリストに書き込まれる。表は、降順にステップサイズで並べ替えられてもよい（図１７ｇ参照）。

ＭＢＭＬＱエンコーダは、異なったレートコントロールインデックスのセットで実行され、レートコントロールインデックスはビットリザーバコントロールにより与えられた許容ビット数より低いビットカウントになり、フレームに使用される。レートコントロールインデックスはゆっくりと変化し、このことは、検索の複雑さを低減し、レートコントロールインデックスを効率的にエンコードするのに利用される。テストされたレートコントロールインデックスのセットは、テストが前回のＭＤＣＴフレームのインデックスの周囲で始められるならば、低減できる。同様に、確率がレートコントロールインデックスの前回の値の周囲にピークを有するなら、レートコントロールインデックスの効果的なエントロピコーディングが得られる。たとえば、３２ステップサイズのリストについて、レートコントロールインデックスは、平均でＭＤＣＴフレーム当たり２ビットを用いてコーディングされる。

図１７はさらに、エンコーダ１７００で局所的ゲインが推定されるならばＭＤＣＴフレームをゲインで再正規化するＭＢＭＬＱデコーダ１７５０も模式的に示す。

図１７ａは、実施の形態によるモデルベースＭＤＣＴラインエンコーダ１７００をより詳細に模式的に示す。モデルベースＭＤＣＴラインエンコーダ１７００は、量子化器プリプロセスモジュール１７３０（図１７ｃ参照）、モデルベースエントロピ制約エンコーダ１７４０（図１７ｅ参照）および算術エンコーダ１７２０を備え、算術エンコーダ１７２０は従来技術による算術エンコーダでもよい。量子化器プリプロセスモジュール１７３０のタスクは、ＭＤＣＴフレームごとに基づいてＭＢＭＬＱエンコーダを信号の統計に適応させることである。量子化器プリプロセスモジュール１７３０は入力としてたのコーデックパラメータを取り入れ、それらからモデルベースエントロピ制約エンコーダ１７４０の挙動を修正するのに用いられる信号についての有用な統計を導き出す。モデルベースエントロピ制約エンコーダ１７４０は、たとえば一組のコントロールパラメータ:量子化器ステップサイズΔ(差分、区間長)、一組のＭＤＣＴラインＶの分散推定（ベクトル；ＭＤＣＴラインごとに１つの推定値）、知覚マスキングカーブＰｍｏｄ、（ランダム）オフセットのマトリックスまたは表、および、ＭＤＣＴラインの分布形状と相互依存を表わすＭＤＣＴラインの統計モデルにより、コントロールされる。上記のコントロールパラメータのすべてはＭＤＣＴフレーム間で変化できる。

図１７ｂは、本発明の実施の形態によるモデルベースＭＤＣＴラインデコーダ１７５０を模式的に示す。モデルベースＭＤＣＴラインデコーダ１７５０は、入力としてビットストリームからのサイド情報ビットを受け取り、それらを量子化器プリプロセスモジュール１７６０（図１７ｃ参照）に入力されるパラメータにデコーディングする。量子化器プリプロセスモジュール１７６０は、エンコーダ１７００における機能と全く同じ機能をデコーダ１７５０にて有することが好ましい。量子化器プリプロセスモジュール１７６０は、コントロールパラメータのセット（エンコーダ１７００におけるものと同じ）を出力し、これらのパラメータは確率計算モジュール１７７０（図１７ｇ参照；エンコーダ１７００におけるものと同じ）と逆量子化モジュール１７８０（図１７ｈ参照；エンコーダ１７００におけるものと同じ、図１７ｅ参照）。確率計算モジュール１７７０からのｃｄｆ表は、差分が信号の量子化と分散に用いられるとして全てのＭＤＣＴラインの確率密度関数を表わし、算術デコーダ（当業者に公知のいかなる算術コーダーでよい）に入力され、それから算術デコーダはＭＤＣＴラインビットをＭＤＣＴラインインデックスにデコーディングする。それからＭＤＣＴラインインデックスは、逆量子化モジュール１７８０によりＭＤＣＴラインに逆量子化される。

図１７ｃは、本発明の実施の形態による量子化器プリプロセスの態様を模式的に示し、i）ステップサイズ計算、ii）知覚マスキングカーブ修正、iii）ＭＤＣＴライン分散推定、iv）オフセット表作成とからなる。

ステップサイズ計算は、図１７ｄにより詳細に説明される。ステップサイズ計算は、i）レートコントロールインデックスがステップサイズの表に書き込まれ、公称ステップサイズΔｎｏｍ（delta-nom）を生成する表検索、ii）低エネルギ適応、iii）ハイパス適応を備える。

ゲイン正規化は、通常、高エネルギ音と低エネルギ音とが同じセグメントのＳＮＲでコーディングされるという結果となる。このことは、低エネルギ音に過度に多数のビットが使われるということになりうる。提案の低エネルギ適用では、低エネルギ音と高エネルギ音との間の折衷案を微調整することができる。図１７ｄのii）に示すように信号エネルギが低くなるとステップサイズを拡大し、図１７ｄのii）には信号エネルギ（ゲインｇ）とコントロール係数ｑＬｅ間の関係の例示的カーブを示す。信号ゲインｇは、入力信号自身のまたはＬＰ残留のＲＭＳ値として計算されてもよい。図１７ｄのii）のコントロールカーブは、一例にすぎず、低エネルギ信号のステップサイズを増大する他のコントロール関数を用いてもよい。示した例では、コントロール関数は、閾値Ｔ１およびＴ２並びにステップサイズ係数Ｌにより画定されるステップごとの線形部分により決定される。

ハイパス音はローパス音より知覚的には重要ではない。ＭＤＣＴフレームがハイパスのとき、すなわち、現在のＭＤＣＴフレームの信号のエネルギが高周波数に集中しているとき、ハイパス適応関数はステップサイズを増大し、そのようなフレームでは少ないビットしか使われないという結果となる。ＬＴＰが存在し、ＬＴＰゲインｇＬＴＰが１に近いとすると、ＬＴＰ残留はハイパスとなり、そのような場合にはステップサイズを拡大しないのが有利である。このメカニズムは、図１７ｄのiii）に示され、ｒはＬＰＣからの第１の反射率である。提案のハイパス適応は下記の式を用いてもよい。

図１７ｃのii）は、低周波数（ＬＦ）ブーストを用いて「ゴロゴロ鳴るような」コーディングアーチファクトを除去する知覚マスキングカーブ修正を模式的に示す。ＬＦブーストは、固定されまたは第１のスペクトルのピーク未満の部分だけがブーストされるように適応されてもよい。ＬＦブーストは、ＬＰＣ包絡線データを用いて適応されてもよい。

図１７ｃのiii）は、ＭＤＣＴライン分散推定を模式的に示す。ＬＰＣ白色化フィルタをアクティブにして、ＭＤＣＴラインは全て（ＬＰＣ包絡線による）分散１を有する。モデルベースエントロピ制約エンコーダ１７４０の知覚重み付けの後に（図１７ｅ参照）、ＭＤＣＴラインは知覚マスキングカーブの二乗の逆数、あるいは修正マスキングカーブＰｍｏｄの二乗である分散を有する。ＬＴＰが存在すると、ＭＤＣＴラインの分散を低減できる。図１７ｃのiii）では、推定した分散をＬＴＰに適用するメカニズムが示される。図は、周波数ｆについての修正係数ｑＬＴＰを示す。修正した分散は、ＶＬＴＰｍｏｄ＝Ｖ・ｑＬＴＰにより決定される。値ＶＬＴＰは、ＬＴＰゲインが約1ならばＬＬＴＰは0に近く（ＬＴＰがよく一致することを示す）、ＬＴＰゲインが約０ならばＬＬＴＰは１に近くなるようにＬＴＰゲインの関数であってもよい。提案の分散Ｖ＝｛ｖ１，ｖ２，・・・，ｖｊ，・・・，ｖＮ｝のＬＴＰ適応は、ある周波数（ｆＬＴＰｃｕｔｏｆｆ）未満のＭＤＣＴラインにのみ影響する。結果として、カットオフ周波数ｆＬＴＰｃｕｔｏｆｆ未満のＭＤＣＴライン分散が低減され、低減はＬＴＰゲインに依存する。

図１７ｃのiv）は、オフセット表作成を模式的に示す。公称オフセット表は、−０．５と０．５の間に分布する擬似乱数で満たされたマトリックスである。マトリックスの列の数は、ＭＢＭＬＱでコーディグされるＭＤＣＴラインの数に等しい。列の数は、調整可能で、モデルベースエントロピ制約エンコーダ１７４０のＲＤ最適化でテストされるオフセットベクトルの数に等しい（図１７ｅ参照）。オフセット表作成機能は、オフセットが−Δ／２と＋Δ／２の間に分布するように量子化器ステップサイズで公称オフセット表を拡大縮小する。

図１７ｇは、オフセット表の実施の形態を模式的に示す。オフセットインデックスは表へのポインタであり、選択されたオフセットベクトルＯ＝｛０１，０２，・・・，ｏｎ，・・・，ｏＮ｝を選択し、ここでＮはＭＤＣＴフレームのＭＤＣＴラインの数である。

以下に説明するように、オフセットはノイズ充填の手段を提供する。オフセットの広がりが、量子化器ステップサイズΔと比較して低い分散ｖｊを有するＭＤＣＴラインに限定されると、より客観的で知覚的な品質が得られる。そのような限定の例が図１７ｃのiv）に示され、ここで、ｋ１とｋ２は調整パラメータである。オフセットの分布は、一様で、−ｓと＋ｓの間に分布する。境界ｓは下記の式で求められる

低分散ＭＤＣＴラインに対して（ｖｊがΔと比較して小さい）、オフセット分布を不均一で信号依存とすることは有利である。

図１７ｅは、モデルベースエントロピ制約エンコーダ１７４０を模式的により詳細に示す。入力されたＭＤＣＴラインは、それらを知覚マスキング曲線、好ましくはＬＰＣ多項式から導かれたもので除すことにより知覚的に重み付けされ、その結果、重み付きＭＤＣＴラインベクトルｙ＝｛ｙ１，・・・、ｙＮ｝となる。それに続くコーディングの狙いは、知覚領域のＭＤＣＴラインに白色の量子化ノイズを導入することである。デコーダでは、知覚重み付けの逆が適用され、その結果、知覚マスキングカーブに従う量子化ノイズとなる。

先ず、ランダムオフセットについての繰り返しを概略説明する。以下の操作がオフセットマトリックスの各行ｊについて行われる。各ＭＤＣＴラインがオフセット均一スカラ量子化器（ＵＳＱ）で量子化され、ここで、各量子化器はオフセット行ベクトルからのそれ自身のユニークなオフセット値でオフセットされる。

各ＵＳＱからの最小歪み区間の確率は、確率計算モジュール１７７０（図１７ｇ参照）で計算される。ＵＳＱインデックスはエントロピコーディングされる。インデックスをエンコードするのに必要なビット数についてのコストは、図１７ｅに示されるように計算され、理論的符号語長Ｒｊを生ずる。ＭＤＣＴラインｊのＵＳＱの過負荷境界は下記の式で計算され、ここで、ｋ３は任意の適切な数、たとえば２０となるように選択される。

過負荷境界は、量子化誤差が大きさにおいて量子化ステップサイズの半分より大きくなる境界である。

ＲＤ最適化モジュール１７９０でコストＣは、好ましくは歪みＤｊおよび／またはオフセットマトリックスの各行ｊの理論符号語長Ｒｊに基づいて、計算される。コスト関数の例は、Ｃ＝１０＊ｌｏｇ１０（Ｄｊ）＋λ＊Ｒｊ／Ｎである。Ｃを最小とするオフセットが選択され、対応するＵＳＱインデックスと確率はモデルベースエントロピ制約エンコーダ１７８０から出力される。

ＲＤ最適化は、オプションとして、オフセットと共に量子化器の他の特性を変化させることにより更に改良することができる。たとえば、ＲＤ最適化でテストされる各オフセットベクトルに同じ、固定した分散推定Ｖを用いる代わりに、分散推定ベクトルＶを変化させる。すると、オフセット行ベクトルｍに対し、分散推定ＫｍＶを用いてもよく、ここで、ｍがｍ＝１からｍ＝（オフセットマトリックスの行数）まで変化するとｋｍはたとえば０．５から１．５の範囲に及ぶ。このことにより、エントロピコーディングとＭＭＳＥ計算を、統計モデルが捉えることのできない入力信号統計の変化に対し繊細ではないようにする。このことにより、一般的により低いコストＣとなる。

逆量子化ＭＤＣＴラインは、図１７ｅに示すように、残留量子化器を用いることによりさらに改善される。残留量子化器は、たとえば固定レートランダムベクトル量子化器である。

ＭＤＣＴラインｎについての均一スカラ量子化器（ＵＳＱ）の操作は、図１７ｆに模式的に示され、図１７ｆはインデックスｉｎを有する最小歪み区間にあるＭＤＣＴラインｎの値を示す。「ｘ」マークしたところは、ステップサイズΔの量子化区間の中央（中点）を示す。スカラ量子化器の原点はオフセットベクトルＯ＝｛ｏ１，ｏ２，・・・，ｏｎ，・・・，ｏＮ｝から、オフセットｏｎだけずれる。よって、区間境界と中点はオフセットだけずれる。

オフセットの使用は、量子化された信号にエンコーダでコントロールされたノイズ充填を導入し、そのようにすることにより量子化されたスペクトルのスペクトルホールを回避する。さらに、オフセットは立体格子より効率的にスペースを満たす１セットのコーディングの代替を提供することによりコーディングの効率を向上する。また、オフセットは、確率計算モジュール１７７０で計算される確率表に変動を与え、確率計算モジュール１７７０はＭＤＣＴラインインデックスのより効率的エントロピコーディング（たとえば、少ないビット数の要求）につながる。

可変のステップサイズΔ（差分）の使用により、量子化における可変精度を可能とし、さらなる精度が知覚的に重要な音に用いられ、あまり高くない精度があまり重要ではない音に用いられるようになる。

図１７ｇは確率計算モジュール１７７０の確率計算を模式的に示す。このモジュールへの入力は、ＭＤＣＴラインに適用される統計モデル、量子化器ステップサイズΔ、分散ベクトルＶ、オフセットインデックスおよびオフセット表である。確率計算モジュール１７７０の出力は、ｃｄｆ表である。各ＭＤＣＴラインｘｊについて、統計モデル（すなわち、確率密度関数、ｐｄｆ）が評価される。区間ｉに対するｐｄｆ関数の下の面積は、その区間の確率ｐｉｊである。この確率はＭＤＣＴラインの算術符号化に用いられる。

図１７ｈは、たとえば逆量子化モジュール１７８０で、実行される逆量子化プロセスを模式的に示す。各ＭＤＣＴラインの最小歪み区間の重心（ＭＭＳＥ値）ＸＭＭＳＥは、その区間の中点ＸＭＰと一緒に計算される。Ｎ次元ベクトルのＭＤＣＴラインを量子化するとすると、スカラＭＭＳＥ値は次善であり、一般的に低すぎる。このことは、分散の損失とデコーディングされた出力のスペクトルの不均衡という結果となる。この問題は、図１７ｈに説明するように分散保存デコーディングにより軽減され、図１７ｈでは、復号値がＭＭＳＥ値と中点値の重み付き合計として計算される。さらに最適な改良では、ＭＭＳＥ値が音声で支配的になり、中点が非音声サウンドで支配的になるように重みを適応する。このことにより、スペクトルバランスとエネルギは非言語音にも保存されつつ、きれいな音声を生ずる。

本発明の実施の形態による分散保存デコーディングは、次式にしたがって復号ポイントを決定することによりなされる。

適応分散保存デコーディングは、内挿係数を定める下記の規則に基づく。

適応重みはさらに、たとえばＬＴＰ予測ゲインｇＬＴＰの関数でもよい：χ＝ｆ（ｇＬＴＰ）。適応重みは、ゆっくりと変化し、再帰エントロピコードにより効率的にエンコーディングされる。

確率計算（図１７ｇ）および逆量子化（図１７ｈ）で用いられるＭＤＣＴの統計モデルは、実信号の統計を反映する。あるバージョンでは、統計モデルは、ＭＤＣＴラインが独立したラプラス分布をしていると仮定する。別バージョンはＭＤＣＴラインを独立したガウス分布にモデル化する。あるバージョンは、ＭＤＣＴラインを、ＭＤＣＴフレーム内のＭＤＣＴライン間およびＭＤＣＴフレーム間での相互依存を含む、混合ガウス分布にモデル化する。他のバージョンは統計モデルをオンライン信号統計に適応する。適応統計モデルは前進および／または後退適応されることができる。

量子化器の修正復号ポイントに関する本発明の他の態様は、図１９に模式的に示され、図１９では、実施の形態のデコーダで用いられる逆量子化器が示される。そのモジュールは、逆量子化器の通常の入力とは別に、すなわち量子化されたラインと量子化ステップサイズ（量子化タイプ）に関する情報とは別に、量子化器の復号ポイントに関する情報も有する。

さらに、量子化復号は、ＬＴＰバッファ（図３参照）で使用される符号化ＭＤＣＴフレームを復号する逆量子化器３０４で実行され、必然的にデコーダで実行される。

逆量子化器は、たとえば復号ポイントとして量子化区間の中点、あるいは、ＭＭＳＥ復号ポイントを選定してもよい。本発明の実施の形態では、量子化器の復号ポイントは、中央復号ポイントとＭＭＳＥ復号ポイントの間の平均値となるように選定される。一般的に、復号ポイントは、中点とＭＭＳＥ復号ポイント間を、たとえば信号の周期性のような信号特性により、内挿してもよい。信号周期性情報は、たとえばＬＴＰモジュールから導かれる。この特徴により、システムは歪みとエネルギの保存をコントロールできる。ＭＭＳＥ復号ポイントが最小の歪みを確かなものとする一方、中央復号ポイントは、エネルギの保存を確かなものとする。信号を与えられると、システムは復号ポイントを最適な折り合いが付くところに適応させる。

本発明はさらに、新しいウィンドウシーケンスコーディングフォーマットを組み込む。本発明の実施の形態によれば、ＭＤＣＴ変換に用いるウィンドウは、ダイアディックサイズ (dyadic size）であり、ウィンドウからウィンドウへサイズで係数２だけ変化する。ダイアディック変換サイズは、１６ｋＨｚのサンプリングレートで４，８，・・・，１２８ミリ秒に対応して６４，１２８，・・・，２０４８である。一般的に、可変サイズのウィンドウが提案され、それは最小ウィンドウサイズと最大ウィンドウサイズの間の複数のウィンドウサイズを取ることができる。シーケンスでは、連続したウィンドウのサイズは、急激な変化なしでウィンドウサイズのスムースなシーケンスが展開するように僅か係数２で変化する。実施の形態で画定されるように、すなわち、ダイアディックサイズに限定されウィンドウからウィンドウにサイズで係数２で変化できるだけの、ウィンドウシーケンスは、多くの利点を有する。第一に、特定の開始ウィンドウあるいは終点ウィンドウ、すなわち、シャープな縁のウィンドウは必要ではない。このことは、時間／周波数分解能を良好に保つ。第二に、ウィンドウシーケンスはコーディングするのにとても効率的になり、すなわち、どんな特定のウィンドウシーケンスが用いられるかデコーダに連絡する。最後に、ウィンドウシーケンスは常にハイパーフレーム構造にとてもよくフィットする。

ハイパーフレーム構造は、コーダーを実世界システムで操作するときに有用であり、実世界システムではデコーダを開始させるようにするために、あるデコーダの構成パラメータが伝達されなければならない。このデータは、ビットストリームにファイルされたヘッダーに普通に保存されコーディングされたオーディオ信号を説明する。ビットレートを最小化するために、ヘッダーは、コーディングされたデータのすべてのフレームには伝達され、特に本発明で提案されるシステムでは伝達されず、この場合ＭＤＣＴフレームサイズは非常に短いところから非常に長いところまで変化する。したがって、本発明では、ある量のＭＤＣＴフレームを一緒にハイパーフレームにグループ化することが提案され、ヘッダーデータは、ハイパーフレームの始めで伝達される。ハイパーフレームは典型的には時間における特定の長さで画定される。したがって、ＭＤＣＴフレームサイズが一定の長さ、所定のハイパーフレーム長にフィットするように注意しなければならない。上記に説明した本発明のウィンドウシーケンスは、選定されたウィンドウシーケンスが常にハイパーフレーム構造にフィットすることを確かにする。

本発明の実施の形態によれば、ＬＴＰ遅延とＬＴＰゲインは可変レートの状態でコーディングされる。このことは、安定した周期的信号に対するＬＴＰの効率性のために、ＬＴＰ遅延はいくらか長いセグメントにおいても同じである傾向があるので、利点がある。それゆえ、このことは算術符号化により活用され、結果として可変レートＬＴＰ遅延およびＬＴＰゲインコーディングとなる。

同様に、本発明の実施の形態は、ＬＰパラメータのコーディングに対する可変レートコーディングとビットリザーバを利用する。さらに、再帰ＬＰコーディングが本発明により教示される。

本発明の他の態様は、エンコーダの可変のフレームサイズ用のビットリザーバの取扱いである。図１８に本発明によるビットリザーバコントロールユニット１８００の概要を示す。入力として与えられる困難さの尺度に加え、ビットリザーバコントロールユニットは、現在のフレームのフレーム長の情報も受信する。ビットリザーバコントロールユニットで用いられる困難さの尺度の例は、知覚エントロピ、すなわちパワースペクトルの対数である。ビットリザーバコントロールは、一組の異なったフレーム長についてフレーム長が変化するシステムにおいて重要である。ここで提案するビットリザーバコントロールユニット１８００は、以下に説明するように、コーディングされるフレームに許容されたビットの数を計算するときにフレーム長を考慮する。

ここでは、ビットリザーバは、バッファ中のある固定量のビットとして定義され、所与のビットレートで使用が認められたフレームの平均ビット数より大きくなければならない。同じサイズであると、フレームについてのビット数の変化ができなくなる。ビットリザーバコントロールは、実行中のフレームに認められたビット数としてエンコーディングアルゴリズムに認められるビットを取り出す前に、ビットリザーバのレベルを常に見ている。よって、満杯のビットリザーバとは、ビットリザーバ中で用いられるビット数がビットリザーバサイズに等しいことをいう。フレームをエンコーディングした後、使用されたビットの数はバッファから減じられ、一定のビットレートを表わすビット数を加算されることによりビットリザーバはアップデートされる。したがって、フレームをコーディングする前のビットリザーバのビット数がフレーム当たりの平均ビット数に等しいならば、ビットリザーバは空である。

図１８ａにビットリザーバコントロールの基本概念を示す。エンコーダは、前回のフレームと比較して実行中のフレームをエンコードすることがいかに困難かを計算する手段を提供する。平均の困難さを１．０として、認められたビット数はビットリザーバで使用可能なビット数に依存する。与えられたコントロールのラインによれば、ビットリザーバが本当に満杯であると、平均ビットレートに対応するより多くのビットがビットリザーバから取り出される。空のビットリザーバの場合には、平均ビットに比べて少ないビットがフレームをエンコーディングするのに用いられる。この行動は、平均の困難さを有するフレームの長いシーケンスについては平均ビットリザーバレベルとなる。高い困難さのフレームについては、コントロールのラインは上方にシフトされ、フレームをエンコーディングする困難さは同じビットサーバレベルでより多くのビットを使うことが許されるという効果を有する。したがって、フレームを容易にエンコーディングするため、フレームに認められたビット数は、図１８ａのコントロールラインを平均困難さの場合から容易な困難さの場合にシフトダウンすることだけで低減される。コントロールラインを単純にシフトする以外の修正も可能である。たとえば、図１８ａに示すように、コントロールカーブの傾きをフレームの困難さに応じて変えてもよい。

認められたビット数を計算するときに、許可された以上にバッファからビットを取り出さないようにビットリザーバの下限界には従う必要がある。図１８ａに示すようにコントロールラインにより認められたビットを計算することを含むビットリザーバコントロールスキームは、可能なビットリザーバレベルと認められたビットの関係の困難さの尺度の一例に過ぎない。また、他のコントロールアルゴリズムも一般的にビットリザーバレベルの下限に厳しい限界を有し、その限界はビットリザーバが空のビットリザーバの制限を破ることを防止し、エンコーダにより過小なビット数しか消費されないときにエンコーダがビットを満たすように強制される上限の限界でも同様である。

可変フレームサイズのセットを取り扱うことができるコントロールメカニズムなどでは、この単純なコントロールアルゴリズムを適応すべきである。使用される困難さの尺度は、異なったフレームサイズの困難さの値が比較できるように正規化される。すべてのフレームサイズについて、認められたビットについての異なった許容範囲があり、フレーム当たりの平均ビット数が変化するフレームサイズに対し異なるので、結果としてそれぞれのフレームサイズは、それ自身の限界のあるそれ自身のコントロール式を有する。一例を図１８ｂに示す。固定フレームサイズの場合への重要な修正は、コントロールアルゴリズムの低い許容境界である。固定ビットレートの場合に対応する実行中のフレームサイズの平均ビット数の代わりに、ここでは最大許容フレームサイズに対する平均ビット数が、実行中のフレームについてビットを取り出す前のビットリザーバレベルに対する最低許容値となる。このことは、固定フレームサイズのビットリザーバコントロールに対する主な差異の一つである。この制限は、続いての最大可能フレームサイズのフレームが少なくともこのフレームサイズの平均ビット数を用いることを約束する。

困難さの尺度は、たとえば、ＡＡＣで行われるように心理音響モデルのマスキング閾値から導かれる知覚エントロピ（ＰＥ）計算、または代替として、本発明の実施の形態によるエンコーダのＥＣＱ部で行われるように固定ステップサイズの量子化のビットカウントに基づく。これらの値は、可変フレームサイズに関して正規化され、それはフレーム長で単に除すことによりなされ、その結果はＰＥであり、それぞれサンプル当たりのビットカウントである。別の正規化のステップは、平均困難さに関して行われる。この目的のために、過去のフレームに対して移動平均が用いられ、結果は、困難なフレームに対しては１．０より大きな、容易なフレームに対しては１．０未満の困難値となる。２パスエンコーダまたは大きな先取りの場合、将来フレームの困難値もこの困難さの尺度の正規化に考慮される。

本発明のもう一つの態様は、ＥＣＱ用ビットサーバ取扱いの詳細に関する。ＥＣＱ用のビットリザーバ管理は、エンコーディングに一定量子化器ステップサイズを用いるときにＥＣＱがおおよそ一定の品質を生ずるとの仮定の下で機能する。一定量子化器ステップサイズは、可変レートを生じ、ビットリザーバの目的は、ビットリザーババッファ制約を破ることなく異なるフレーム間の量子化器ステップサイズの変化をできるだけ小さく保つことである。ＥＣＱにより生成されるレートに加え、ＭＤＣＴフレームに基づいて追加情報（たとえば、ＬＴＰゲインや遅延）が伝達される。追加情報はまた、一般的にエントロピでコーディングされ、よって、フレームごとに異なるレートを消費する。

本発明の実施の形態では、提案のビットリザーバコントロールは、３つの変数を導入することにより、ＥＣＱステップサイズの反動を最小にしようとする（図１８ｃ参照）。
−ＲＥＣＱ_ＡＶＧ：前回に使用されたサンプル当たりの平均ＥＣＱレート
−ΔＥＣＱ_ＡＶＧ：前回に使用された平均量子化器ステップサイズ
これらの変数は共に、動的にアップデートされ、最新のコーディング統計を反映する。
−ＲＥＣＱ_ＡＶＧ_ＤＥＳ：平均トータルビットレートに対応するＥＣＱレート
この値は、ビットリザーバレベルがウィンドウを平均する時間フレームの間に変化する場合に、たとえば、特定の平均ビットレートより高いまたは低いビットレートがこの時間フレームの間に使われる場合に、ＲＥＣＱ_ＡＶＧとは異なる。サイド情報のレートが変化したときにもアップデートされ、トータルレートは特定のビットレートと等しくなされる。

ビットリザーバコントロールは、これら３つの値を用いて現在のフレームに用いる差分の最初の推定を決める。ＲＥＣＱ_ＡＶＧ_ＤＥＳに対応する、図１８ｃに示す、ＲＥＣＱ_ＡＶＧ−Δカーブ上のΔＥＣＱ_ＡＶＧを見つけることによりなされる。第２段階で、この値は、レートがビットリザーバの制約に従っていなければ修正されるであろう。図１８ｃの例示のＲＥＣＱ_ＡＶＧ−Δカーブは、次式に基づく。

当然に、ＲＥＣＱとΔの間の他の数学的関係を用いてもよい。

安定している場合には、ＲＥＣＱ_ＡＶＧがＲＥＣＱ_ＡＶＧ_ＤＥＳに近く、Δの変動は非常に小さい。安定していない場合には、平均化操作によりΔの変動を滑らかなものとする。

これまでは本発明の特定の実施の形態を参照して開示してきたが、本発明の概念は説明した実施の形態に限定されることはないことは理解されるはずである。反対に、本出願で提供された開示により当業者は本発明を理解し実施することができる。当業者が、添付の特許請求の範囲だけで提示された本発明の思想と範囲から逸脱することなく、多くの改変を行えることは明らかである。

以下、実施の形態により教示される手段を例示的に列挙する。

［付記項１］
適応フィルタに基づいて入力信号にフィルタを掛ける線形予測ユニットと；
前記フィルタされた入力信号のフレームを変換領域に変換する変換ユニットと；
前記変換領域信号を量子化する量子化ユニットとを備え；
前記量子化ユニットは、前記変換領域信号をモデルベース量子化器でエンコードするか、非モデルベース量子化器でエンコードするかを、入力信号特性に基づいて決定する；
オーディオコーディングシステム。

［付記項２］
前記モデルベース量子化器のモデルは、適応でき、時間について変化する；
請求項１のオーディオコーディングシステム。

［付記項３］
前記量子化ユニットは、前記変換ユニットにより適用されるフレームサイズに基づいて前記変換領域信号をどのようにエンコードするのかを決定する；
請求項１または２のオーディオコーディングシステム。

［付記項４］
前記量子化ユニットは、フレームサイズ比較器を備え、閾値より小さなフレームサイズのフレームに変換領域信号をモデルベースエントロピ制約量子化によりエンコードするように構成された；
請求項１ないし３のいずれか１項のオーディオコーディングシステム。

［付記項５］
線形予測と長期間予測パラメータに基づいて交換領域信号の成分の量子化ステップサイズを決定する量子化ステップサイズコントロールユニットを備える；
請求項１ないし４のいずれか１項のオーディオコーディングシステム。

［付記項６］
前記量子化ステップサイズは周波数に依存して決定され、前記量子化ステップサイズコントロールユニットは、適応フィルタの多項式、コーディングレートコントロールパラメータ、長期間予測ゲイン値、入力信号分散のうち少なくとも１つに基づいて量子化ステップサイズを決定する；
請求項５のオーディオコーディングシステム。

［付記項７］
前記量子化ステップサイズは低エネルギの信号に対して増加する；
請求項５または６のオーディオコーディングシステム。

［付記項８］
変換領域信号の分散を適応させる分散適応ユニットを備える；
請求項１ないし７のいずれか１項のオーディオコーディングシステム。

［付記項９］
前記量子化ユニットは、前記変換領域信号成分を量子化する複数の均一スカラ量子化器を備え、各均一スカラ量子化器は確率モデルに基づいて均一量子化をＭＤＣＴラインに適用する；
請求項１ないし８のいずれか１項のオーディオコーディングシステム。

［付記項１０］
前記量子化ユニットはランダムオフセットを均一スカラ量子化器に挿入するランダムオフセット挿入ユニットを備え、該ランダムオフセット挿入ユニットは量子化歪みの最適化に基づいてランダムオフセットを決定するようになされた；
請求項９のオーディオコーディングシステム。

［付記項１１］
前記量子化ユニットは、均一スカラ量子化器により生成された量子化インデックスをエンコーディングする算術エンコーダを備える；
請求項９または１０のオーディオコーディングシステム。

［付記項１２］
前記量子化ユニットは、均一スカラ量子化器から生じた残存量子化信号を量子化する残留量子化器を備える；
請求項９ないし１１のいずれか１項のオーディオコーディングシステム。

［付記項１３］
前記量子化ユニットは最小平均二乗誤差および／または中点量子化復号ポイントを用いる；
請求項９ないし１２のいずれか１項のオーディオコーディングシステム。

［付記項１４］
前記量子化ユニットは、確率モデル中点と最小平均二乗誤差点との間の内挿に基づき量子化復号ポイントを決定する動的復号ポイントユニットを備える；
請求項９ないし１３のいずれか１項のオーディオコーディングシステム。

［付記項１５］
前記量子化ユニットは、量子化歪みを決定するときに変換領域で知覚重み付けを適用し、該知覚重み付けは線形予測パラメータに由来する；
請求項９ないし１４のいずれか１項のオーディオコーディングシステム。

［付記項１６］
適応フィルタに基づいて入力信号にフィルタを掛ける線形予測ユニットと；
前記フィルタされた入力信号のフレームを変換領域に変換する変換ユニットと；
前記変換領域信号を量子化する量子化ユニットと；
前記変換領域信号を量子化するときに前記量子化ユニットで用いるための、マスキング閾値カーブに基づく、スケールファクタを生成するスケールファクタ決定ユニットと；
前記適応フィルタのパラメータに基づいて線形予測に基づくスケールファクタを推定する線形予測スケールファクタ推定ユニットと；
前記マスキング閾値カーブに基づくスケールファクタと前記線形予測に基づくスケールファクタとの間の差をエンコーディングするスケールファクタエンコーダとを備える；
オーディオコーディングシステム。

［付記項１７］
前記線形予測スケールファクタ推定ユニットは知覚マスキングカーブ推定ユニットを備えて前記適応フィルタのパラメータに基づき知覚マスキングカーブを推定し；
線形予測に基づくスケールファクタは、予測された知覚マスキングカーブに基づいて決定される；
請求項１６のオーディオコーディングシステム。

［付記項１８］
前記変換領域信号のフレームに対する前記線形予測に基づくスケールファクタは、内挿された線形予測パラメータに基づいて推定される；
請求項１６または１７のオーディオコーディングシステム。

［付記項１９］
前記フィルタされた入力信号の前回のセグメントの復号に基づき、前記フィルタされた入力信号ののフレームの推定を決定する長期間予測ユニットと；
前記変換領域で前記長期間予測推定と前記変換された入力信号を組み合わせて前記変換領域信号を生成する変換領域信号組合せユニットを備える；
請求項１６ないし１８のいずれか１項のオーディオコーディングシステム。

［付記項２０］
前記フレーム長と前記フレームの困難さの尺度に基づいて前記フィルタされた信号のフレームをエンコーディングするのに認められたビット数を決定するビットリザーバコントロールユニットを備える；
請求項１ないし１９のいずれか１項のオーディオコーディングシステム。

［付記項２１］
前記ビットリザーバコントロールユニットは、異なった困難さの尺度のフレームおよび／または異なったフレームサイズに対し別のコントロール式を有する；
請求項２０のオーディオコーディングシステム。

［付記項２２］
前記ビットリザーバコントロールユニットは異なったフレームサイズの困難さの尺度を正規化する；
請求項２０または２１のオーディオコーディングシステム。

［付記項２３］
前記ビットリザーバコントロールユニットは最大許容フレームサイズについての平均ビット数に認められたビットコントロールアルゴリズムの許容下限界を設定する；
請求項２０ないし２２のいずれか１項のオーディオコーディングシステム。

［付記項２４］
スケールファクタに基づき入力されたビットストリームのフレームを逆量子化する逆量子化ユニットと；
変換領域信号を逆に変換する逆変換ユニットと；
逆変換された変換領域信号にフィルタを掛ける線形予測ユニットと；
エンコーダで適用されるスケールファクタと前記適応フィルタのパラメータに基づいて生成されるスケールファクタの間の差をエンコーディングする、受信したスケールファクタ差分情報に基づき逆量子化で用いられる前記スケールファクタを生成するスケールファクタデコーディングユニットとを備える；
オーディオデコーダ。

［付記項２５］
現在のフレームに対する線形予測パラメータから導かれたマスキング閾値カーブに基づいてスケールファクタを生成するスケールファクタ決定ユニットを備え；
前記スケールファクタデコーディングユニットは前記受信したスケールファクタ差分情報と前記生成された線形予測に基づくスケールファクタとを組み合わせて逆量子化ユニットへの入力用のスケールファクタを生成する；
請求項２４のオーディオデコーダ。

［付記項２６］
入力されたビットストリームのフレームを逆量子化するモデルベース逆量子化ユニットと；
変換領域信号を逆に変換する逆変換ユニットと；
前記逆変換された変換領域信号にフィルタを掛ける線形予測ユニットとを備え；
前記逆量子化ユニットは非モデルベース量子化器とモデルベース量子化器とを備える；
オーディオデコーダ。

［付記項２７］
前記逆量子化ユニットは、前記フレームのコントロールデータに基づいて逆量子化方式を決定する；
請求項２６のオーディオデコーダ。

［付記項２８］
前記逆量子化コントロールデータは、ビットストリームと受信されるか、受信したデータから導かれる；
請求項２７のオーディオデコーダ。

［付記項２９］
前記逆量子化ユニットは、前記フレームの変換サイズに基づき前記逆量子化方式を決定する；
請求項２６ないし２８のいずれか１項のオーディオデコーダ。

［付記項３０］
前記量子化ユニットは適応復号ポイントを備える；
請求項２６ないし２９のいずれか１項のオーディオデコーダ。

［付記項３１］
前記逆量子化ユニットは、量子化区間当たり２つの逆量子化復号ポイント、特に中点とＭＭＳＥ復号点とを用いるようになされた均一スカラ逆量子化器を備える；
請求項３０のオーディオデコーダ。

［付記項３２］
前記逆量子化ユニットは少なくとも１つの適応確率モデルを備える；
請求項２６ないし３１のいずれか１項のオーディオデコーダ。

［付記項３３］
前記逆量子化ユニットは算術符号化と組み合わせてモデルベース量子化器を用いる；
請求項２６ないし３２のいずれか１項のオーディオデコーダ。

［付記項３４］
前記逆量子化ユニットは伝達された信号特性の関数として逆量子化を適応するようになされた；
請求項２６ないし３３のいずれか１項のオーディオデコーダ。

［付記項３５］
適応フィルタに基づいて入力信号にフィルタを掛けるステップと；
前記フィルタされた入力信号のフレームを変換領域に変換するステップと；
前記変換領域信号を量子化するステップと；
前記変換領域信号を量子化するときに量子化ユニットで用いられる、マスキング閾値カーブに基づくスケールファクタを生成するステップと；
前記適応フィルタのパラメータに基づいて線形予測に基づくスケールファクタを推定するステップと；
前記マスキング閾値カーブに基づくスケールファクタと前記線形予測に基づくスケールファクタとの間の差をエンコーディングするステップとを備える；
オーディオコーディング方法。

［付記項３６］
適応フィルタに基づいて入力信号にフィルタを掛けるステップと；
前記フィルタされた入力信号のフレームを変換領域に変換するステップと；
前記変換領域信号を量子化するステップとを備え；
量子化ユニットが入力信号特性に基づいて前記変換領域信号を、モデルベース量子化器でエンコーディングするか、非モデルベース量子化器でエンコーディングするかを決定する；
オーディオコーディング方法。

［付記項３７］
スケールファクタに基づき入力されたビットストリームのフレームを逆量子化するステップと；
変換領域信号を逆変換するステップと；
逆変換された変換領域信号に線形予測フィルタを掛けるステップと；
前記適応フィルタのパラメータに基づいて第２のスケールファクタを推定するステップと；
受信したスケールファクタの差の情報と前記推定した第２のスケールファクタとに基づいて前記逆量子化で用いる前記スケールファクタを生成するステップとを備える；
オーディオコーディング方法。

［付記項３８］
入力されたビットストリームのフレームを逆量子化するステップと；
変換領域信号を逆変換するステップと；
逆変換された変換領域信号に線形予測フィルタを掛けるステップとを備え；
前記逆量子化は非モデルベース量子化器とモデルベース量子化器を用いる；
オーディオコーディング方法。

［付記項３９］
プログラムデバイスに請求項３５または３８によるオーディオコーディング方法を実行させる；
コンピュータプログラム。

Claims (16)

1. オーディオ信号の第１のフレーム長に関して動作し、線形予測（ＬＰ）フィルタに基づいて前記オーディオ信号をフィルタリングする線形予測ユニットと、
   可変の第２のフレーム長に関する修正離散コサイン変換（ＭＤＣＴ）により、前記オーディオ信号のフレームをＭＤＣＴ領域の信号に変換する適応長さ変換ユニットと、
   ＭＤＣＴ領域信号を量子化する量子化ユニットと、
   前記ＬＰフィルタの振幅応答に基づいてＭＤＣＴ領域のゲイン曲線を生成するゲイン曲線生成ユニットと
   ＬＰパラメータを、前記ＭＤＣＴ領域信号の対応するフレームに対応付けるマッピングユニットと
   を有するオーディオコーディングシステム。
2. 前記オーディオ信号のブロックについて、ＭＤＣＴウィンドウを重複させる前記第２のフレーム長を決定するウィンドウシーケンス制御ユニットを更に有する請求項１に記載のオーディオコーディングシステム。
3. ＬＰＣフレームのために前記線形予測ユニットが生成したＬＰＣ多項式をチャープおよび／またはチルティングさせることで、前記ＬＰフィルタの特性を修正する知覚モデリングユニットを有する請求項１に記載のオーディオコーディングシステム。
4. 当該オーディオコーディングシステムは、
   前記オーディオ信号を低域成分と高域成分とに分割する周波数分割ユニットと、
   前記高域成分をエンコードする高域エンコーダと
   を有し、前記低域成分は前記線形予測ユニットと前記変換ユニットとに入力される、請求項１に記載のオーディオコーディングシステム。
5. 前記周波数分割ユニットは、前記オーディオ信号をダウンサンプリングするように形成された直交ミラーフィルタ合成ユニットと直交ミラーフィルタバンクとを有する、請求項４に記載のオーディオコーディングシステム。
6. 前記低域成分と前記高域成分との間の境界は可変であり、前記周波数分割ユニットは、前記オーディオ信号の特性及び/又はエンコーダの帯域幅条件に基づいて重複する周波数を決定する、請求項４に記載のオーディオコーディングシステム。
7. 前記低域成分と前記高域成分との間の境界は可変であり、前記周波数分割ユニットは、前記オーディオ信号の特性及び/又はエンコーダの帯域幅条件に基づいて重複する周波数を決定する、請求項５に記載のオーディオコーディングシステム。
8. 前記ＭＤＣＴ領域のゲイン曲線がＭＤＣＴ領域のデータに適用される、請求項１に記載のオーディオコーディングシステム。
9. 前記量子化ユニットの量子化ノイズを抑制するためのスケール因子を推定するスケール因子推定ユニットを有する請求項１に記載のオーディオコーディングシステム。
10. 前記スケール因子は前記ＭＤＣＴ領域のゲイン曲線に基づいて決定される、請求項９に記載のオーディオコーディングシステム。
11. 前記マッピングユニットは、前記第２のフレーム長に対応するレートで生成された前記ＭＤＣＴ領域信号のフレームに合うように、前記第１のフレーム長に対応するレートで生成されたＬＰ多項式を補間する、請求項１に記載のオーディオコーディングシステム。
12. 入力ビットストリームにより受信した量子化されたＭＤＣＴラインを表現する逆量子化ユニットと、
    可変フレーム長に関して動作し、ＭＤＣＴ領域信号を時間領域信号に逆変換する適応長逆ＭＤＣＴ変換ユニットと、
    線形予測フィルタの振幅応答に基づいてＭＤＣＴ領域のゲイン曲線を生成するゲイン曲線生成ユニットであって、前記線形予測フィルタのパラメータは前記ビットストリームにより受信される、ゲイン曲線生成ユニットと、
    ＬＰパラメータを、前記ＭＤＣＴ領域信号の対応するフレームに対応付けるマッピングユニットと
    を有するオーディオデコーダ。
13. 第１のフレーム長で動作しかつ線形予測（ＬＰ）パラメータを生成する線形予測（ＬＰ）分析をオーディオ信号について実行するステップと、
    可変の第２のフレーム長に関する修正離散コサイン変換（ＭＤＣＴ）により、前記オーディオ信号のフレームを前記ＭＤＣＴ領域の信号に変換するステップと、
    ＭＤＣＴ領域信号を量子化するステップと、
    生成されたＬＰフィルタの振幅応答に基づいてＭＤＣＴ領域のゲイン曲線を生成するステップと、
    ＬＰパラメータを、前記ＭＤＣＴ領域信号の対応するフレームに対応付けるステップと
    を有するオーディオコーディング方法。
14. 入力ビットストリームにより受信した量子化された修正離散コサイン変換（ＭＤＣＴ）ラインを再構築するステップと、
    可変フレーム長に関し、ＭＤＣＴ領域信号を時間領域信号に逆ＭＤＣＴを施すステップと、
    線形予測フィルタの振幅応答に基づいてＭＤＣＴ領域のゲイン曲線を生成するステップであって、前記線形予測フィルタのパラメータは前記ビットストリームにより受信される、ステップと、
    ＬＰパラメータを、前記ＭＤＣＴ領域の信号の対応するフレームに対応付けるステップと
    を有するオーディオデコーディング方法。
15. 請求項１３に記載のオーディオコーディング方法を、プログラム可能な装置に実行させるコンピュータプログラム。
16. 請求項１４に記載のオーディオデコーディング方法を、プログラム可能な装置に実行させるコンピュータプログラム。

Images