JP5243661B2 - オーディオ信号符号器、オーディオ信号復号器、オーディオコンテンツの符号化表現を供給するための方法、オーディオコンテンツの復号化表現を供給するための方法、および低遅延アプリケーションにおける使用のためのコンピュータ・プログラム - Google Patents

Description

本発明による実施形態は、オーディオコンテンツの入力表現に基づいて、オーディオコンテンツの符号化表現を供給するためのオーディオ信号符号器に関する。

本発明による実施形態は、オーディオコンテンツの符号化表現に基づいて、オーディオコンテンツの復号化表現を供給するためのオーディオ信号復号器に関する。

本発明による実施形態は、オーディオコンテンツの入力表現に基づいて、オーディオコンテンツの符号化表現を供給するための方法に関する。

本発明による実施形態は、オーディオコンテンツの符号化表現に基づいて、オーディオコンテンツの復号化表現を供給するための方法に関する。

本発明による実施形態は、前記方法を実行するためのコンピュータ・プログラムに関する。

本発明による実施形態は、低遅延に関する統合音声音響符号化のための新しい符号化方式に関する。

以下では、本発明の背景が、本発明およびその効果の理解を容易にするために簡潔に説明される。

過去１０年の間、より良いビットレート効率でオーディオコンテンツをデジタル的に格納し、分配する可能性を生み出すことに、多大な労力がかけられてきた。この点に関する１つの重要な業績が、国際規格ＩＳＯ／ＩＥＣ １４４９６―３の定義である。その規格の第３部は、オーディオコンテンツの符号化および復号化に関連し、第３部のサブパート４は、汎用オーディオ符号化に関連する。ＩＳＯ／ＩＥＣ １４４９６の第３部サブパート４は、汎用のオーディオコンテンツの符号化および復号化のための構想を定める。加えて、更なる改良は、品質を改善するために、および／または、必要なビットレートを減少させるために提案された。

さらに、音声信号を符号化および復号化するために特別に適用されるオーディオ符号器およびオーディオ復号器が開発された。このように音声を最適化したオーディオ符号器は、例えば、３ＧＰＰ（Ｔｈｉｒｄ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）の技術仕様書「３ＧＰＰ ＴＳ ２６．０９０」、「３ＧＰＰ ＴＳ ２６．１９０」および「３ＧＰＰ ＴＳ ２６．２９０」において説明される。

符号化および復号化の低遅延が望まれる多くのアプリケーションがあることが分かっている。例えば、リアルタイム・マルチメディア・アプリケーションでは、低遅延が望まれる。というのも、顕著な遅延は、この種のアプリケーションにおいては、結果として不快なユーザ印象をもたらすからである。

しかしながら、品質とビットレートとの間のより良いトレードオフには、時には、オーディオコンテンツに依存して、異なる符号化モード間の切り替えが必要であることも分かっている。オーディオコンテンツのバリエーションは、符号化モード間、例えば、変換符号化励振線形予測領域（ｔｒａｎｓｆｏｒｍ−ｃｏｄｅｄ−ｅｘｃｉｔａｔｉｏｎ−ｌｉｎｅａｒ−ｐｒｅｄｉｃｔｉｏｎ−ｄｏｍａｉｎ）モードと（例えば、代数符号励振線形予測領域モードのような）符号励振線形予測領域（ｃｏｄｅ−ｅｘｃｉｔａｔｉｏｎ−ｌｉｎｅａｒ−ｐｒｅｄｉｃｔｉｏｎ−ｄｏｍａｉｎ）モード間、または、周波数モードと符号励振線形予測領域モード間で変更する要求をもたらすことが分かっている。これは、あるオーディオコンテンツ（または連続したオーディオコンテンツのある部分）が、そのモードのうちの１つで、より高い符号化効率をもって符号化できて、その一方で、他のあるオーディオコンテンツ（または同じ連続したオーディオコンテンツの他の部分）が、そのモードの別のもので、より良い符号化効率をもって符号化できるという事実に起因する。

この状況からみて、切り替えのための大きいビットレートオーバーヘッドを必要とせずに、更に、（例えば、切り替え「クリック」の形で、）オーディオ品質を大幅に妥協することなしで、異なるモード間で切り換えることが望ましいことが分かっている。加えて、異なるモード間での切り換えが、低い符号化および復号化遅延を有するという目的と両立されなければならないことが分かっている。

この状況を考慮して、異なる符号化モード間で切り替わるときに、ビットレート効率、オーディオ品質、遅延間のより良いトレードオフをもたらすマルチモードオーディオ符号化のための構想を生み出すことが、本発明の目的である。

３ＧＰＰ ＴＳ ２６．０９０ ３ＧＰＰ ＴＳ ２６．１９０ ３ＧＰＰ ＴＳ ２６．２９０

本発明による実施形態は、オーディオコンテンツの入力表現に基づいて、オーディオコンテンツの符号化表現を供給するためのオーディオ信号符号器を生み出す。オーディオ信号符号器は、変換領域モードで符号化されるオーディオコンテンツの部分の時間領域表現に基づいて、スペクトル係数のセットおよびノイズシェーピング情報（例えば、スケールファクター情報または線形予測領域パラメータ情報）を得るように構成された変換領域パスを含み、その結果、スペクトル係数は、オーディオコンテンツのノイズシェーピングされた（例えばノイズスケールファクターで処理されたまたは線形予測領域ノイズシェーピングされた）バージョンを示す。変換領域パスは、オーディオコンテンツの窓を掛けた（ｗｉｎｄｏｗｅｄ）時間領域表現からスペクトル係数のセットを得るために、オーディオコンテンツ、またはその処理されたバージョンの時間領域表現に窓を掛けて（ｗｉｎｄｏｗ）、オーディオコンテンツの窓を掛けた時間領域表現を得て、時間領域−周波数領域変換を適用するように構成された時間領域−周波数領域変換器を含む。オーディオ信号符号器はまた、（更に手短に言えば、ＣＥＬＰモードとして示された）符号励振線形予測領域モード（例えば、代数符号励振線形予測領域モードなど）で符号化されるオーディオコンテンツの部分に基づいて、符号励振情報（例えば、代数符号励振情報など）および（手短に言えば、ＡＣＥＬＰパスとして示された）線形予測領域情報を得るように構成された符号励振線形予測領域パスを含む。時間領域−周波数領域変換器は、オーディオコンテンツの現在の部分の後に、変換領域モードで符号化されるオーディオコンテンツの次の部分が続く場合、および、オーディオコンテンツの現在の部分の後に、ＣＥＬＰモードで符号化されるオーディオコンテンツの次の部分が続く場合の両方の場合に、変換領域モードで符号化され、変換領域モードで符号化されたオーディオコンテンツの部分の後に続くオーディオコンテンツの現在の部分の窓掛けのための既定の非対称の分析窓を適用するように構成される。オーディオ信号符号器は、（変換領域モードで符号化される）オーディオコンテンツの現在の部分の後に、ＣＥＬＰモードで符号化されるオーディオコンテンツの次の部分が続く場合、選択的にエイリアシング除去情報を供給するように構成される。

本発明によるこの実施形態は、（例えば、平均ビットレートに関する）符号化効率、オーディオ品質および符号化遅延の間のより良いトレードオフが、変換領域モードとＣＥＬＰモードとの間の切り替えによって得られうるという発見に基づく。ここで、変換領域モードで符号化されるオーディオコンテンツの部分の窓掛けは、オーディオコンテンツの次の部分が符号化されるモードから独立しており、そして、ＣＥＬＰモードで符号化されたオーディオコンテンツの部分への遷移に特に適合されない窓掛けの使用の結果として生じるエイリアシングアーチファクトの減少または除去は、エイリアシング除去情報の選択的な供給によって可能となる。このように、エイリアシング除去情報の選択的な供給によって、窓がオーディオコンテンツの引き続く部分との時間的オーバーラップを含む変換領域モードで符号化されたオーディオコンテンツの部分（例えばフレームまたはサブフレーム）の窓掛けのための窓を使用することは可能である。このことは、オーディオコンテンツの引き続く部分間の時間的オーバーラップをもたらすこの種の窓の使用が、復号器側で、特に効率的なオーバーラップ加算（ｏｖｅｒｌａｐ―ａｎｄ―ａｄｄ）を有する可能性を生み出すので、変換領域モードで符号化されたオーディオコンテンツの引き続く部分のシーケンスのためにより良い符号化を可能にする。さらに、オーディオコンテンツの現在の部分の後に、変換領域モードで符号化されるオーディオコンテンツの次の部分が続く場合、および、オーディオコンテンツの現在の部分の後に、ＣＥＬＰモードで符号化されるオーディオコンテンツの次の部分が続く場合の両方の場合に、変換領域モードで符号化され、変換領域モードで符号化されたオーディオコンテンツの部分の後に続くオーディオコンテンツの部分の窓掛けのための同じ窓を使用することによって、遅延は、低く保たれる。換言すれば、オーディオコンテンツの次の部分が符号化されるモードについての情報は、オーディオコンテンツの現在の部分の窓掛けのための窓の選択に必要でない。このように、オーディオコンテンツの次の部分の符号化のための符号化モードを知る前に、オーディオコンテンツの現在の部分の窓掛けを実行できるので、符号化遅延は小さく保たれる。それでいて、変換領域で符号化されたオーディオコンテンツの部分から、ＣＥＬＰモードで符号化されたオーディオコンテンツの部分への遷移に完全に適していない窓の使用によって生ぜしめられるだろうアーチファクトは、エイリアシング除去情報を使用して、復号器側で除去されうる。

このように、いくつかの付加的なエイリアシング除去情報が、変換領域モードで符号化されたオーディオコンテンツの部分から、ＣＥＬＰモードで符号化されたオーディオコンテンツの部分への遷移で要求される場合であっても、より良い平均符号化効率が得られる。オーディオ品質は、エイリアシング除去情報の供給によって高い水準に保たれ、そして、遅延は、オーディオコンテンツの次の部分が符号化されるモードから独立して、窓の選択をすることによって小さく保たれる。

要約すると、上述したようなオーディオ符号器は、より良いビットレート効率を低い符号化遅延と組合せて、それにもかかわらず、更に、より良いオーディオ品質を可能にする。

好ましい実施形態において、時間領域−周波数領域変換器は、オーディオコンテンツの現在の部分の後に、変換領域モードで符号化されるオーディオコンテンツの次の部分が続く場合、および、オーディオコンテンツの現在の部分の後に、ＣＥＬＰモードで符号化されるオーディオコンテンツの次の部分が続く場合の両方の場合に、変換領域モードで符号化され、変換領域モードで符号化されたオーディオコンテンツの部分の後に続くオーディオコンテンツの現在の部分の窓掛けのための同じ窓を適用するように構成される。

好ましい実施形態において、既定の非対称の窓は、左窓半分および右窓半分を含む。ここで、左窓半分は、窓値はゼロから窓中心値（窓の中央の値）に単調に増加する左側の遷移スロープ、および窓値が窓中心値より大きく、窓が最大値を含むオーバーシュート部分を含む。右窓半分は、窓値が窓中心値からゼロに単調に減少する右側の遷移スロープ、および右側ゼロ部分を含む。この種の非対称の窓を使用することにより、符号化遅延は、特に小さく保たれうる。また、オーバーシュート部分を用いて左窓半分を強調することによって、ＣＥＬＰモードで符号化されたオーディオコンテンツの部分への遷移でのエイリアシングアーチファクトは、比較的小さく保たれる。したがって、エイリアシング除去情報は、ビットレート効率の良い方法で符号化できる。

好ましい実施形態において、左窓半分は、ゼロ窓値の１％だけしか含まず、右側ゼロ部分は、右窓半分の窓値の少なくとも２０％の長さを含む。この種の窓が、特に変換領域モードとＣＥＬＰモードとの間のオーディオ符号器の切り替えのアプリケーションに非常に適切であることが分かっている。

好ましい実施形態において、既定の非対称の分析窓の右側の窓半分の窓値は、窓中心値より小さく、その結果、オーバーシュート部分が既定の非対称の分析窓の右窓半分にはない。この種の窓形状が、ＣＥＬＰモードで符号化されたオーディオコンテンツの部分への遷移で、比較的小さいエイリアシングアーチファクトをもたらすことが分かっている。

好ましい実施形態において、既定の非対称の分析窓のゼロ以外の部分は、少なくとも１０％、フレーム長より短い。したがって、遅延は、特に小さく保たれる。

好ましい実施形態において、変換領域モードで符号化されるオーディオコンテンツの引き続く部分が、少なくとも４０％の時間的オーバーラップを含むように、オーディオ信号符号器は構成される。この場合、信号符号器はまた、好ましくは、変換領域モードで符号化されるオーディオコンテンツの現在の部分および符号励振線形予測領域モードで符号化されるオーディオコンテンツの次の部分が時間的オーバーラップを含むように構成される。オーディオ信号符号器は、エイリアシング除去情報を選択的に供給するように構成される。その結果、エイリアシング除去情報は、オーディオ信号復号器において、変換領域モードで符号化されたオーディオコンテンツの部分からＣＥＬＰモードで符号化されたオーディオコンテンツの部分への遷移でのエイリアシングアーチファクトを除去するためのエイリアシング除去信号の供給を可能にする。変換領域モードで符号化されるオーディオコンテンツの引き続く部分（例えばフレームまたはサブフレーム）間の有意なオーバーラップを供給することによって、時間領域−周波数領域変換のための、例えば、変形離散コサイン変換のようなラップド変換（ｌａｐｐｅｄ ｔｒａｎｓｆｏｒｍ）を使用することは可能である。ここで、この種のラップド変換の時間領域エイリアシングは、変換領域モードで符号化された続くフレーム間のオーバーラップによって、削減される、または完全に除去されさえする。しかし、変換領域モードで符号化されたオーディオコンテンツの部分からＣＥＬＰモードで符号化されたオーディオコンテンツの部分への遷移において、結果として完全なエイリアシング除去とならない（または結果として、少しのエイリアシング除去にさえならない）特定の時間的オーバーラップもある。時間的オーバーラップは、異なるモードで符号化されたオーディオコンテンツの部分間での遷移で、フレーミングの過剰な修正を回避するために使用される。しかし、異なるモードで符号化されたオーディオコンテンツの部分間の遷移でのオーバーラップから生じるエイリアシングアーチファクトを減少させる、または除去するために、エイリアシング除去情報は、供給される。さらに、エイリアシングは、既定の非対称の分析窓の非対称性のため、比較的小さく保たれ、その結果、エイリアシング除去情報は、ビットレート効率の良い方法で符号化できる。

好ましい実施形態において、オーディオ信号符号器は、時間的にオーディオコンテンツの現在の部分とオーバーラップするオーディオコンテンツの次の部分の符号化のために使用されるモードから独立して、（変換領域モードで好ましくは符号化される）オーディオコンテンツの現在の部分の窓掛けのための窓を選択し、その結果、（変換領域モードで好ましくは符号化される）オーディオコンテンツの現在の部分の窓を掛けた表現は、オーディオコンテンツの次の部分がＣＥＬＰモードで符号化される場合であっても、オーディオコンテンツの次の部分とオーバーラップするように構成される。オーディオ信号符号器は、オーディオコンテンツの次の部分がＣＥＬＰモードで符号化されることの検出に応答して、エイリアシング除去情報を供給するように構成される。ここで、エイリアシング除去情報は、オーディオコンテンツの次の部分の変換領域モード表現によって示される（または含まれる）だろうエイリアシング除去信号成分を示す。したがって、（代わりに、すなわち、変換領域モードで符号化されたオーディオコンテンツの引き続く部分が存在する場合に、）変換領域モードで符号化されたオーディオコンテンツの２つの部分の時間領域表現にオーバーラップ加算することによって達成されるエイリアシング除去は、変換領域モードで符号化されたオーディオコンテンツの部分からＣＥＬＰモードで符号化されたオーディオコンテンツの部分への遷移でのエイリアシング除去情報に基づいて達成される。このように、専用のエイリアシング除去情報を使用することにより、モード切り替えの前のオーディオコンテンツの部分の窓掛けは、影響を受けないままにされることができ、そのことは、遅延を減少させるのに役立つ。

好ましい実施形態において、時間領域−周波数領域変換器は、変換領域モードで符号化され、ＣＥＬＰモードで符号化されるオーディオコンテンツの部分に続くオーディオコンテンツの現在の部分の窓掛けのための既定の非対称の窓を適用し、その結果、変換領域モードで符号化されるオーディオコンテンツの部分は、オーディオコンテンツの前の部分が符号化されるモードから独立して、そして、オーディオコンテンツの次の部分が符号化されるモードから独立して、同じ既定の非対称の分析窓を使用して、窓を掛けられるように構成される。窓掛けはまた、変換領域モードで符号化されるオーディオコンテンツの現在の部分の窓を掛けた表現が、ＣＥＬＰモードで符号化されたオーディオコンテンツの前の部分と時間的にオーバーラップするように適用される。したがって、変換領域モードで符号化されたオーディオコンテンツの部分が、同じ既定の非対称の分析窓を使用して（例えば、１つのオーディオコンテンツの全体にわたって）常に符号化されることを特徴とする特に単純な窓掛け方式を得ることができる。このように、どの種類の分析窓が使用されるかの信号を送ることを必要とせず、そのことは、ビットレート効率を増加させる。また、符号器煩雑性（および復号器煩雑性）を非常に小さく保つことができる。非対称の分析窓が、上記のように、変換領域モードからＣＥＬＰモードへの遷移、および、ＣＥＬＰモードから変換領域モードへ戻る遷移の両方によく適していることが分かっている。

好ましい実施形態において、オーディオ信号符号器は、オーディオコンテンツの現在の部分の後に、ＣＥＬＰモードで符号化されたオーディオコンテンツの前の部分の後に続く場合、エイリアシング除去情報を選択的に供給するように構成される。エイリアシング除去情報の供給が、この種の遷移においても役立ち、より良いオーディオ品質を確保することを可能にすることが分かっている。

好ましい実施形態において、時間領域−周波数領域変換器は、変換領域で符号化され、ＣＥＬＰモードで符号化されたオーディオコンテンツの部分に続くオーディオコンテンツの現在の部分の窓掛けのための、既定の非対称の分析窓とは異なる専用の非対称の遷移分析窓を適用するように構成される。遷移後の専用の窓の使用が、遷移でビットレートオーバーヘッドを減少させるのに役立ちうることが分かっている。また、専用の非対称の遷移分析窓が使用されるべきという決定が、その決定が必要となる時にすでに利用可能である情報に基づいてなされるので、遷移後の専用の非対称の遷移分析窓の使用が、有意な追加の遅延をもたらさないことが分かっている。したがって、エイリアシング除去情報の量は、減少できる。あるいは、いくらかのエイリアシング除去情報の必要性も、場合によっては除くことさえできる。

好ましい実施形態において、符号励振線形予測領域パス（ＣＥＬＰパス）は、（符号励振線形予測領域モードとして使用される）代数符号励振線形予測領域モード（ＡＣＥＬＰモード）で符号化されるオーディオコンテンツの部分に基づいて、代数符号励振情報および線形予測領域パラメータ情報を得るように構成された代数符号励振線形予測領域パス（ＡＣＥＬＰパス）である。符号励振線形予測領域パスとして代数符号励振線形予測領域パスを使用することにより、特に高い符号化効率は、多くの場合達成できる。

本発明による実施形態は、オーディオコンテンツの符号化表現に基づいて、オーディオコンテンツの復号化表現を供給するためのオーディオ信号復号器を生み出す。オーディオ信号復号器は、スペクトル係数のセットおよびノイズシェーピング情報に基づいて、変換領域モードで符号化されたオーディオコンテンツの部分の時間領域表現を得るように構成された変換領域パスを含む。変換領域パスは、スペクトル係数のセットから、またはその前処理されたバージョンからオーディオコンテンツの窓を掛けた時間領域表現を得るために、周波数領域−時間領域変換および窓掛けを適用するように構成された周波数領域−時間領域変換器を含む。オーディオ信号復号器はまた、符号励振情報および線形予測領域パラメータ情報に基づいて、符号励振線形予測領域モードで符号化されたオーディオコンテンツの部分の時間領域表現を得るように構成された符号励振線形予測領域パスを含む。周波数領域−時間領域変換器は、オーディオコンテンツの現在の部分の後に、変換領域モードで符号化されたオーディオコンテンツの次の部分が続く場合、および、オーディオコンテンツの現在の部分の後にＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分が続く場合の両方の場合に、変換領域モードで符号化され、変換領域モードで符号化されたオーディオコンテンツの前の部分の後に続くオーディオコンテンツの現在の部分の窓掛けのための既定の非対称の合成窓を適用するように構成される。オーディオ信号復号器は、オーディオコンテンツの現在の部分の後に、ＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分が続く場合、エイリアシング除去情報に基づいて、選択的にエイリアシング除去信号を供給するように構成される。

このオーディオ信号復号器は、符号化効率、オーディオ品質および符号化遅延間のより良いトレードオフが、オーディオコンテンツの次の部分が変換領域モードで符号化されるか、ＣＥＬＰモードで符号化されるかにかかわりなく、変換領域モードで符号化されたオーディオコンテンツの部分の窓掛けのための同じ既定の非対称の合成窓を使用することにより得ることができるという発見に基づく。非対称の合成窓を使用することにより、オーディオ信号復号器の低遅延特性は、改善されうる。符号化効率は、変換領域モードで符号化されたオーディオコンテンツの引き続く部分に適用された窓間でオーバーラップを有することによって、高く保たれることができる。それでもなお、異なるモードで符号化されたオーディオコンテンツの部分間の遷移の場合におけるオーバーラップから結果として生じるエイリアシングアーチファクトは、変換領域モードで符号化されたオーディオコンテンツの部分（例えばフレームまたはサブフレーム）からＣＥＬＰモードで符号化されたオーディオコンテンツの部分への遷移で選択的に供給されるエイリアシング除去信号によって除去される。さらに、ここで説明されたオーディオ信号復号器が、上記のオーディオ信号符号器と同じ効果を含み、ここで説明されたオーディオ信号復号器が、上記のオーディオ信号符号器との連携に適することは、指摘されなければならない。

好ましい実施形態において、周波数領域−時間領域変換器は、オーディオコンテンツの現在の部分の後に、変換領域モードで符号化されたオーディオコンテンツの次の部分が続く場合、および、オーディオコンテンツの現在の部分の後に、ＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分が続く場合、変換領域モードで符号化され、変換領域モードで符号化されたオーディオコンテンツの前の部分に続くオーディオコンテンツの現在の部分の窓掛けのための同じ窓を適用するように構成される。

好ましい実施形態において、既定の非対称の窓は、左窓半分および右窓半分を含む。左窓半分は、左側ゼロ部分と、窓値がゼロから窓中心値まで単調に増加する左側遷移スロープとを含む。右窓半分は、窓値が窓中心値より大きく、窓が最大値を含むオーバーシュート部分を含む。右窓半分はまた、窓値が窓中心値からゼロまで単調に減少する右側遷移スロープを含む。既定の非対称の合成窓のこの種の選択は、左側ゼロ部分の存在が、オーディオコンテンツの現在の部分の時間領域オーディオ信号から独立して、前記ゼロ部分の（右側）端まで（オーディオコンテンツの前の部分の）オーディオ信号の再構成を可能にするので、結果として特に低い遅延をもたらすことが分かっている。このように、オーディオコンテンツは、比較的小さい遅延によって与えられる。

好ましい実施形態において、左側ゼロ部分は、左窓半分の窓値の少なくとも２０％の長さを含み、右窓半分は、ゼロ窓値の１％だけを含む。この種の非対称の窓が、低遅延アプリケーションに非常に適し、この種の既定の非対称の合成窓が、上述の有利な既定の非対称の分析窓との連携にも適することが分かっている。

好ましい実施形態において、既定の非対称の左窓半分の窓値は、既定の非対称の合成窓の左窓半分にはオーバーシュートがないように、窓中心値より小さい。したがって、オーディオコンテンツのより良い低遅延再構成は、上述した非対称の分析窓と組合せて達成できる。また、その窓は、より良い周波数応答を含む。

好ましい実施形態において、既定の非対称の窓のゼロ以外の部分は、少なくとも１０％、フレーム長より短い。

好ましい実施形態において、オーディオ信号復号器は、変換領域モードで符号化されたオーディオコンテンツの引き続く部分が少なくとも４０％の時間的オーバーラップを含むように構成される。オーディオ信号復号器はまた、変換領域モードで符号化されたオーディオコンテンツの現在の部分とＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分が、時間的オーバーラップを含むように構成される。オーディオ信号復号器は、エイリアシング除去情報に基づいて選択的にエイリアシング除去信号を供給し、その結果、エイリアシング除去信号が、（変換領域モードで符号化された）オーディオコンテンツの現在の部分からＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分への遷移でのエイリアシングアーチファクトを減少させる、または除去するように構成される。変換領域モードで符号化されたオーディオコンテンツの引き続く部分間の有意なオーバーラップを有することによって、滑らかな遷移を得ることができ、（例えば、逆変形離散コサイン変換のような）ラップド変換の使用から結果として生じうるエイリアシングアーチファクトは除去される。このように、有意なオーバーラップを使用することにより、符号化効率、および変換領域モードで符号化されたオーディオコンテンツの部分のシーケンスのための引き続く部分（例えばフレームまたはサブフレーム）間の遷移の平滑化を高めることが可能である。フレーミングにおける不定を回避するために、そして、オーディオコンテンツの次の部分の符号化モードから独立した既定の非対称の合成窓の使用を可能にするために、変換領域モードで符号化されたオーディオコンテンツの現在の部分とＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分との間の時間的オーバーラップの存在は認められる。それでもなお、この種の遷移で起こっているアーチファクトは、エイリアシング除去信号によって除去される。このように、低い符号化遅延を維持して、高い平均符号化効率を有すると共に、遷移におけるより良いオーディオ品質を得ることができる。

好ましい実施形態において、オーディオ信号復号器は、オーディオコンテンツの現在の部分と時間的にオーバーラップするオーディオコンテンツの次の部分の符号化のために使用されるモードから独立して、オーディオコンテンツの現在の部分の窓掛けのための窓を選択し、その結果、オーディオコンテンツの現在の部分の窓を掛けた表現が、オーディオコンテンツの次の部分がＣＥＬＰモードで符号化される場合であっても、オーディオコンテンツの次の部分（の表現）とオーバーラップするように構成される。オーディオ信号復号器はまた、オーディオコンテンツの次の部分がＣＥＬＰモードで符号化されることの検出に応答して、変換領域モードで符号化されたオーディオコンテンツの現在の部分からＣＥＬＰモードで符号化されたオーディオコンテンツの次の（その後の）部分への遷移でのエイリアシングアーチファクトを減少させる、または除去するために、エイリアシング除去信号を供給するように構成される。したがって、オーディオコンテンツの現在の部分の後に変換領域モードで符号化されたオーディオコンテンツの部分が続いた場合に、変換領域モードで符号化された次のオーディオフレームの時間領域表現によって除去されうるこの種のエイリアシングアーチファクトは、オーディオコンテンツの現在の部分の後に、ＣＥＬＰモードで符号化されたオーディオコンテンツの部分が実際に続く場合、エイリアシング除去信号を使用して除去される。この機構のため、オーディオコンテンツの次の部分がＣＥＬＰモードで符号化される場合であっても、遷移の品質の低下は回避される。

好ましい実施形態において、周波数領域−時間領域変換器は、変換モードで符号化され、ＣＥＬＰモードで符号化されたオーディオコンテンツの部分の後に続くオーディオコンテンツの現在の部分の窓掛けのための既定の非対称の合成窓を適用し、その結果、変換領域モードで符号化されたオーディオコンテンツの部分が、オーディオコンテンツの前の部分が符号化されるモードから独立して、そして、更にオーディオコンテンツの次の部分が符号化されるモードから独立して、同じ既定の非対称の合成窓を使用して、窓を掛けられるように構成される。既定の非対称の合成窓は、変換領域モードで符号化されたオーディオコンテンツの現在の部分の窓を掛けた時間領域表現が、ＣＥＬＰモードで符号化されたオーディオコンテンツの前の部分の時間領域表現と時間的にオーバーラップするように適用される。このように、同じ既定の非対称の合成窓は、オーディオコンテンツの隣接する前の部分および次の部分が符号化されるモードから独立して、変換領域モードで符号化されたオーディオコンテンツの部分のために使用される。したがって、特に単純なオーディオ信号復号器実施態様が可能である。また、合成窓の種類についてのいかなる信号送信も使用する必要はなく、そのことは、ビットレート要求を低減する。

好ましい実施形態において、オーディオ信号復号器は、オーディオコンテンツの現在の部分がＣＥＬＰモードで符号化されたオーディオコンテンツの前の部分の後に続く場合、エイリアシング除去情報に基づいて選択的にエイリアシング除去信号を供給するように構成される。エイリアシング除去情報を使用して、ＣＥＬＰモードで符号化されたオーディオコンテンツの部分から変換領域モードで符号化されたオーディオコンテンツの部分への遷移でのエイリアシングを処理することも、場合によっては望ましいことが分かっている。この構想がビットレート効率および遅延特性間のより良いトレードオフをもたらすことが分かっている。

他の好ましい実施形態において、周波数領域−時間領域変換器は、変換領域モードで符号化され、ＣＥＬＰモードで符号化されるオーディオコンテンツの部分の後に続くオーディオコンテンツの現在の部分の窓掛けのための、既定の非対称の合成窓とは異なる、専用の非対称の遷移合成窓を適用するように構成される。エイリアシングアーチファクトの存在が、この種の構想によって回避されうることが分かっている。また、遷移の後の専用の窓の使用は、この種の専用の窓の選択のために必要な情報が、この種の専用の合成窓が適用されるときにすでに利用可能であるので、低遅延特性をひどく損なわないことが分かっている。

好ましい実施形態において、符号励振線形予測領域パス（ＣＥＬＰパス）は、代数符号励振情報および線形予測領域パラメータ情報に基づいて、（符号励振線形予測領域モードとして使用される）代数符号励振線形予測領域モード（ＡＣＥＬＰモード）で符号化されたオーディオコンテンツの時間領域表現を得るように構成された代数符号励振線形予測領域パス（ＡＣＥＬＰパス）である。符号励振線形予測領域パスとして代数符号励振線形予測領域パスを使用することにより、特に高い符号化効率が、多くの場合達成できる。

本発明による更なる実施形態は、オーディオコンテンツの入力表現に基づいてオーディオコンテンツの符号化表現を供給する方法、およびオーディオコンテンツの符号化表現に基づいてオーディオコンテンツの復号化表現を供給する方法を生み出す。本発明による更なる実施形態は、少なくとも一つの前記方法を実行するためのコンピュータ・プログラムを生み出す。

前記方法および前記コンピュータ・プログラムは、前述のオーディオ信号符号器および前述のオーディオ信号復号器と同じ発見に基づき、そして、オーディオ信号符号器およびオーディオ信号復号器に関して述べた特徴および機能のいずれかによって補充できる。

本発明による実施形態は、同封した図を参照にして、以下に説明される。

図１は、本発明の一実施形態によるオーディオ信号符号器のブロック略図を示す。 図２ａは、図１に記載のオーディオ信号符号器に用いられる変換領域パスのブロック略図を示す。 図２ｂは、図１に記載のオーディオ信号符号器に用いられる変換領域パスのブロック略図を示す。 図２ｃは、図１に記載のオーディオ信号符号器に用いられる変換領域パスのブロック略図を示す。 本発明の一実施形態によるオーディオ信号復号器のブロック略図を示す。 図４ａは、図３に記載のオーディオ信号復号器に用いられる変換領域パスのブロック略図を示す。 図４ｂは、図３に記載のオーディオ信号復号器に用いられる変換領域パスのブロック略図を示す。 図４ｃは、図３に記載のオーディオ信号復号器に用いられる変換領域パスのブロック略図を示す。 図５は、サイン窓（点線）と本発明によるいくつかの実施形態において使用されるＧ．７１８分析窓（実線）の比較を示す。 図６は、サイン窓（点線）と本発明によるいくつかの実施形態において使用されるＧ．７１８合成窓（実線）の比較を示す。 図７は、サイン窓のシーケンスのグラフ表現を示す。 図８は、Ｇ．７１８分析窓のシーケンスのグラフ表現を示す。 図９は、Ｇ．７１８合成窓のシーケンスのグラフ表現を示す。 図１０は、サイン窓（実線）およびＡＣＥＬＰ（正方形を付けた線）のシーケンスのグラフ表現を示す。 図１１は、Ｇ．７１８分析窓（実線）、ＡＣＥＬＰ（正方形を付けた線）および前方向エイリアシング除去（「ＦＡＣ」）（点線）のシーケンスを含んでいる低遅延の統合音声音響符号化（ｕｎｉｆｉｅｄ−ｓｐｅｅｃｈ−ａｎｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ：ＵＳＡＣ）のための第１のオプションのグラフ表現を示す。 図１２は、図１１による低遅延の統合音声音響符号化（ｕｎｉｆｉｅｄ−ｓｐｅｅｃｈ−ａｎｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ）のための第１のオプションに対応している合成のためのシーケンスのグラフ表現を示す。 図１３は、Ｇ．７１８分析窓（実線）、ＡＣＥＬＰ（正方形を付けた線）およびＦＡＣ（点線）のシーケンスを使用している低遅延統合音声音響符号化のための第２のオプションのグラフ表現を示す。 図１４は、図１３による低遅延統合音声音響符号化のための第２のオプションに対応している合成のためのシーケンスのグラフ表現を示す。 図１５は、ＡＡＣ（ａｄｖａｎｃｅｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ）からＡＭＲ−ＷＢ＋（ａｄａｐｔｉｖｅ−ｍｕｌｔｉ−ｒａｔｅ−ｗｉｄｅｂａｎｄ−ｐｌｕｓ ｃｏｄｉｎｇ）への遷移のグラフ表現を示す。 図１６は、ＡＭＲ−ＷＢ＋（ａｄａｐｔｉｖｅ−ｍｕｌｔｉ−ｒａｔｅ−ｗｉｄｅｂａｎｄ−ｐｌｕｓ ｃｏｄｉｎｇ）からＡＡＣ（ａｄｖａｎｃｅｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ）への遷移のグラフ表現を示す。 図１７は、ＡＡＣ−ＥＬＤ（ａｄｖａｎｃｅｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ−ｅｎｈａｎｃｅｄ−ｌｏｗ−ｄｅｌａｙ）における低遅延変形離散コサイン変換（ｌｏｗ−ｄｅｌａｙ ｍｏｄｉｆｉｅｄ−ｄｉｓｃｒｅｔｅ−ｃｏｓｉｎｅ−ｔｒａｎｓｆｏｒｍ（ＬＤ−ＭＤＣＴ））の分析窓のグラフ表現を示す。 図１８は、ＡＡＣ−ＥＬＤ（ａｄｖａｎｃｅｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ−ｅｎｈａｎｃｅｄ−ｌｏｗ−ｄｅｌａｙ）における低遅延変形離散コサイン変換（ＬＤ―ＭＤＣＴ）の合成窓のグラフ表現を示す。 図１９は、拡張低遅延の高度なオーディオ符号化（ＡＡＣ―ＥＬＤ）および時間領域符復号化間の切り替えのための一例である窓シーケンスのグラフ表現を示す。 図２０は、拡張低遅延の高度なオーディオ符号化（ＡＡＣ―ＥＬＤ）および時間領域符復号化間の切り替えのための一例である分析窓シーケンスのグラフ表現を示す。 図２１ａは、時間領域符復号化からＡＡＣ−ＥＬＤ（ａｄｖａｎｃｅｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ−ｅｎｈａｎｃｅｄ−ｌｏｗ−ｄｅｌａｙ）への遷移のための分析窓のグラフ表現を示す。 図２１ｂは、通常のＡＡＣ−ＥＬＤ（ａｄｖａｎｃｅｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ−ｅｎｈａｎｃｅｄ−ｌｏｗ−ｄｅｌａｙ）の分析窓と比較した時間領域符復号化からＡＡＣ−ＥＬＤ（ａｄｖａｎｃｅｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ−ｅｎｈａｎｃｅｄ−ｌｏｗ−ｄｅｌａｙ）への遷移のための分析窓のグラフ表現を示す。 図２２は、ＡＡＣ−ＥＬＤ（ａｄｖａｎｃｅｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ−ｅｎｈａｎｃｅｄ−ｌｏｗ−ｄｅｌａｙ）および時間領域符復号化間の切り替えのための一例である合成窓シーケンスのグラフ表現を示す。 図２３ａは、ＡＡＣ−ＥＬＤ（ａｄｖａｎｃｅｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ−ｅｎｈａｎｃｅｄ−ｌｏｗ−ｄｅｌａｙ）から時間領域符復号化への遷移のための合成窓のグラフ表現を示す。 図２３ｂは、通常のＡＡＣ−ＥＬＤ（ａｄｖａｎｃｅｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ−ｅｎｈａｎｃｅｄ−ｌｏｗ−ｄｅｌａｙ）合成窓と比較したＡＡＣ−ＥＬＤ（ａｄｖａｎｃｅｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ−ｅｎｈａｎｃｅｄ−ｌｏｗ−ｄｅｌａｙ）から時間領域符復号化への遷移のための合成窓のグラフ表現を示す。 図２４は、ＡＡＣ−ＥＬＤ（ａｄｖａｎｃｅｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ−ｅｎｈａｎｃｅｄ−ｌｏｗ−ｄｅｌａｙ）および時間領域符復号化間の窓シーケンス切り替えのための遷移窓の他の選択のグラフ表現を示す。 図２５は、時間領域信号の他の窓掛けおよび他のフレーミングのグラフ表現を示す。 図２６は、ＴＤＡ信号を時間領域符復号化に与え、このことにより臨界サンプリング（ｃｒｉｔｉｃａｌ ｓａｍｐｌｉｎｇ）を達成することに関する代わりの方法のグラフ表現を示す。

以下に、本発明によるいくつかの実施形態について説明する。

以下において説明される実施形態において、代数符号励振線形予測領域パス（ＡＣＥＬＰパス）は、符号励振線形予測領域パス（ＣＥＬＰパス）の一例として説明され、代数符号励振線形予測領域モード（ＡＣＥＬＰモード）は、符号励振線形予測領域モード（ＣＥＬＰモード）の一例として説明される点に、ここで留意されなければならない。また、代数符号励振情報は、符号励振情報の一例として説明される。

それにもかかわらず、様々な種類の符号励振線形予測領域パスは、本願明細書において説明されるＡＣＥＬＰパスの代わりに使用されうる。例えば、ＡＣＥＬＰパスの代わりに、例えば、ＲＣＥＬＰパス、ＬＤ―ＣＥＬＰパス、またはＶＳＥＬＰパスのように、符号励振線形予測領域パスの他のいかなる変化形も使用されうる。

要約すると、線形予測による音声生成のソースフィルタモデルが、オーディオ符号器側およびオーディオ復号器側の両方で使用されることと、符号励振情報が、周波数領域への変換を実行することなしで、ＣＥＬＰモードで符号化されるオーディオコンテンツの再構成のための線形予測モデル（例えば、線形予測合成フィルタ）を励振する（または刺激する）ように適合された励振信号（また、刺激信号としても示される）を、直接符号化することによって符号器側で得られることと、励振信号が、ＣＥＬＰモードで符号化されるオーディオコンテンツの再構成のための線形予測モデル（例えば、線形予測合成フィルタ）を励振する（または刺激する）ように適合された励振信号（また、刺激信号として示される）を再構成するために、オーディオ復号器の側での符号励振情報から、周波数領域−時間領域変換を実行することなしで、直接得られることを共通点に持つ様々な構想は、符号励振線形予測領域パスを実施するのに使用されうる。

換言すれば、オーディオ信号符号器およびオーディオ信号復号器のＣＥＬＰパスは、一般的に、（そのモデルまたはフィルタが、好ましくは声道をモデル化するように構成されうる）線形予測領域モデル（またはフィルタ）の使用を、励振信号（または刺激信号、または残留信号）の「時間領域」符号化または復号化と組み合わせる。前記「時間領域」符号化または復号化において、励振信号（または刺激信号、または残留信号）は、適当な符号語を使用して、（励振信号の時間領域−周波数領域変換を実行せずに、または、励振信号の周波数領域−時間領域変換を実行せずに、）直接、符号化または復号されうる。励振信号の符号化および復号化のために、様々な種類の符号語が使用されうる。例えば、ハフマン符号語（またはハフマン符号化方式、またはハフマン復号化方式）は、（ハフマン符号語が符号励振情報を形成しうるように、）励振信号のサンプルを符号化または復号するために使用されうる。しかし、別法として、様々な適応および／または固定コードブックは、励振信号の符号化および復号化のために、任意選択で（これらの符号語が符号励振情報を形成するように）ベクトル量子化またはベクトル符号化／復号化と組合せて、使用されうる。いくつかの実施形態において、代数コードブックは、励振信号（ＡＣＥＬＰ）の符号化および復号化のために使用されうるが、様々なコードブック種類も適用できる。

要約すると、励振信号を「直接」符号化するための多くの様々な構想が存在し、全て、ＣＥＬＰパスにおいて使用されうる。従って、以下に説明するＡＣＥＬＰ構想を使用している符号化および復号化は、単に、ＣＥＬＰパスの実施態様に関する多種多様な可能性からの一例としてみなされるだけでなければならない。

１．図１に記載のオーディオ信号符号器
以下に、本発明の一実施形態によるオーディオ信号符号器１００は、この種のオーディオ信号符号器１００のブロック略図を示す図１を参照して説明される。オーディオ信号符号器１００は、オーディオコンテンツの入力表現１１０を受けて、それに基づいて、オーディオコンテンツの符号化表現１１２を供給するように構成される。オーディオ信号符号器１００は、変換領域モードで符号化されるオーディオコンテンツの部分（例えば、フレームまたはサブフレーム）の時間領域表現１２２を受けて、変換領域モードで符号化されるオーディオコンテンツの部分の時間領域表現１２２に基づいて、（符号化された形で供給されうる）スペクトル係数のセット１２４とノイズシェーピング情報１２６を得るように構成された変換領域パス１２０を含む。変換パス１２０は、スペクトル係数がオーディオコンテンツのノイズシェーピングされたバージョンのスペクトルを示すように、スペクトル係数１２４を供給するように構成される。

オーディオ信号符号器１００はまた、ＡＣＥＬＰモードで符号化されるオーディオコンテンツの部分の時間領域表現１４２を受けて、（短く言えば、ＡＣＥＬＰモードと表される）代数符号励振線形予測領域モードで符号化されるオーディオコンテンツの部分に基づいて、代数符号励振情報１４４および線形予測領域パラメータ情報１４６を得るように構成される（同様に、短く言えば、ＡＣＥＬＰパスと表される）代数符号励振線形予測領域パス１４０を含む。オーディオ信号符号器１００はまた、エイリアシング除去情報１６４を供給するように構成されるエイリアシング除去情報供給１６０を含む。

変換領域パスは、オーディオコンテンツの時間領域表現１２２（またはより正確に言うと、変換領域モードで符号化されるオーディオコンテンツの部分の時間領域表現）、またはその前処理されたバージョンに窓を掛けて、オーディオコンテンツの窓を掛けた表現（またはより正確に言うと、変換領域モードで符号化されるオーディオコンテンツの部分の窓を掛けたバージョン）を得て、オーディオコンテンツの窓を掛けた（時間領域）表現からスペクトル係数のセット１２４を得るように時間領域−周波数領域変換を適用するように構成される時間領域−周波数領域変換器１３０を含む。時間領域−周波数領域変換器１３０は、オーディオコンテンツの現在の部分の後に、変換領域モードで符号化されるオーディオコンテンツの次の部分が続く場合、および、オーディオコンテンツの現在の部分の後にＡＣＥＬＰモードで符号化されるオーディオコンテンツの次の部分が続く場合の両方の場合に、変換領域モードで符号化され、変換領域モードで符号化されたオーディオコンテンツの前の部分の後に続くオーディオコンテンツの現在の部分の窓掛けのための既定の非対称の分析窓を適用するように構成される。

オーディオ信号符号器、または、より正確に言うと、エイリアシング除去情報供給１６０は、（変換領域モードで符号化されると考えられる）オーディオコンテンツの現在の部分の後に、ＡＣＥＬＰモードで符号化されるオーディオコンテンツの次の部分が続く場合、選択的にエイリアシング除去情報を供給するように構成される。対照的に、エイリアシング除去情報は、（変換領域モードで符号化される）オーディオコンテンツの現在の部分の後に、変換領域モードで符号化されるオーディオコンテンツの別の部分が続く場合には、供給されなくてもよい。

したがって、同じ既定の非対称の分析窓は、オーディオコンテンツの次の部分が変換領域モードで符号化されるか、ＡＣＥＬＰモードで符号化されるかにかかわりなく、変換領域モードで符号化されるオーディオコンテンツの部分の窓掛けに使用される。既定の非対称の分析窓は、一般的に、オーディオコンテンツの引き続く部分（例えばフレームまたはサブフレーム）間でオーバーラップを供給する。そして、そのことは、一般的に、結果として、より良い符号化効率と、それによりブロッキングアーチファクトを回避するためにオーディオ信号復号器の効率的なオーバーラップ加算操作を実行する可能性をもたらす。しかし、オーディオコンテンツの２つの引き続く（部分的にオーバーラップしている）部分が変換領域モードで符号化される場合、オーバーラップ加算操作によって符号器側でエイリアシングアーチファクトを除去することも一般的に可能である。対照的に、変換領域モードで符号化されたオーディオコンテンツの部分とＡＣＥＬＰモードで符号化されるオーディオコンテンツの引き続く部分との間の遷移での既定の非対称の分析窓の使用は、一般的に、オーバーラップなしで（特に、フェードイン窓掛けまたはフェードアウト窓掛けなしで）時間的に明確に限定されたサンプルのブロックがＡＣＥＬＰモードで符号化されるので、（変換領域モードで符号化されたオーディオコンテンツの引き続く部分間の遷移のためにうまく機能する）オーバーラップ加算エイリアシング除去がもはや効果的でないという課題をもたらす。

しかしながら、エイリアシング除去情報がこの種の遷移で選択的に供給される場合、変換領域モードで符号化されたオーディオコンテンツの引き続く部分間の遷移において使用される同じ非対称の分析窓を、変換モードで符号化されたオーディオコンテンツの部分とＡＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分間の遷移においてさえ使用することが可能であることが分かっている。

したがって、時間領域−周波数領域変換器１３０は、オーディオコンテンツの次の部分が、どの分析窓がオーディオコンテンツの現在の部分の分析のために使用されるべきかについて決めるために、符号化されるモードについてのいかなる情報も必要としない。従って、復号器の側で効率的なオーバーラップ加算操作を可能にするために充分なオーバーラップを供給する非対称の分析窓を今までどおり使用すると共に、遅延は非常に小さく保たれることができる。加えて、エイリアシング除去情報１６４が、既定の非対称の分析窓がこの種の遷移に完全には適用されないという事実を考慮するように、この種の遷移で供給されるので、著しくオーディオ品質を損なうことなく変換領域モードからＡＣＥＬＰモードへ切り替えることが可能である。

以下に、オーディオ信号符号器１００が、もう少し詳細に、説明される。

１．１．変換領域パスに関する詳細
１．１．１．図２ａに記載の変換領域パス
図２ａは、変換領域パス１２０に代わることができ、周波数領域パスとみなすことができる変換領域パス２００のブロック略図を示す。

変換領域パス２００は、周波数領域モードで符号化されるオーディオフレームの時間領域表現２１０を受ける。ここで、周波数領域モードは、変換領域モードのための一例である。変換領域パス２００は、時間領域表現２１０に基づいて、スペクトル係数の符号化されたセット２１４および符号化されたスケールファクター情報２１６を供給するように構成される。変換領域パス２００は、時間領域表現２１０の前処理されたバージョン２２０ａを得るために、時間領域表現２１０の任意の前処理２２０を含む。変換領域パス２００はまた、周波数領域モードで符号化されるオーディオコンテンツの部分の窓を掛けた時間領域表現２２１ａを得るために、（上記の）既定の非対称の分析窓が時間領域表現２１０に、または、その前処理されたバージョン２２０ａに適用される窓掛け２２１を含む。変換領域パス２００はまた、周波数領域表現２２２ａが周波数領域モードで符号化されるオーディオコンテンツの部分の窓を掛けた時間領域表現２２１から得られる時間領域−周波数領域変換２２２を含む。変換領域パス２００はまた、スペクトルシェーピングが、周波数領域表現２２２ａを形成する周波数領域係数、またはスペクトル係数に適用されるスペクトル処理２２３を含む。したがって、スペクトルでスケールされた周波数領域表現２２３ａは、例えば、周波数領域係数またはスペクトル係数のセットの形で得られる。量子化および符号化２２４は、スペクトル係数の符号化されたセット２４０を得るために、スペクトルでスケールされた（すなわちスペクトルシェーピングされた）周波数領域表現２２３ａに適用される。

変換領域パス２００はまた、オーディオコンテンツのどの成分（例えば、どのスペクトル係数）が高分解能で符号化されなければならないか、そして、どの成分（例えば、どのスペクトル係数）が比較的低い分解能での符号化が十分であるかに関して決定するために、例えば、周波数マスキング効果および時間的マスキング効果に関して、オーディオコンテンツを分析するように構成される音響心理学的な分析２２５を含む。したがって、音響心理学的な分析２２５は、例えば、複数のスケールファクターバンドの音響心理学的な関連を示すスケールファクター２２５ａを供給しうる。例えば、（比較的に）大きいスケールファクターは、（比較的に）高い音響心理学的な関連性のスケールファクターバンドと関連しうる。その一方で、（比較的に）小さいスケールファクターは、（比較的に）より低い音響心理学的な関連性のスケールファクターバンドと関連しうる。

スペクトル処理２２３において、スペクトル係数２２２ａは、スケールファクター２２５ａによって重み付けされる。例えば、異なるスケールファクターバンドのスペクトル係数２２２ａは、前記各スケールファクターバンドに関連したスケールファクター２２５ａによって重み付けされる。したがって、高い音響心理学的な関連性を有するスケールファクターバンドのスペクトル係数は、スペクトルシェーピングされた周波数領域表現２２３ａにおいて、より低い音響心理学的な関連性を有するスケールファクターバンドのスペクトル係数より高く重み付けされる。したがって、より高い音響心理学的な関連性を有するスケールファクターバンドのスペクトル係数は、スペクトル処理２２３のより高い重み付けのため、量子化／符号化２２４によって、より高い量子化精度で効率よく量子化される。より低い音響心理学的な関連性を有するスケールファクターバンドのスペクトル係数２２２ａは、スペクトル処理２２３におけるそれらのより低い重み付けのため、量子化／符号化２２４によって、低い分解能で効率よく量子化される。

従って、周波数領域ブランチ２００は、スペクトル係数の符号化されたセット２１４、およびスケールファクター２２５ａの符号化表現である符号化されたスケールファクター情報２１６を供給する。符号化されたスケールファクター情報２１６が、異なるスケールファクターバンドにわたって量子化雑音の分布を効率よく測定するスペクトル処理２２３におけるスペクトル係数２２２ａのスケーリングを示すので、符号化されたスケールファクター情報２１６は、効率よく、ノイズシェーピング情報を構成する。

詳しくは、周波数領域モードでオーディオフレームの時間領域表現の符号化が示される、いわゆる「先進的音響符号化（ａｄｖａｎｃｅｄ ａｕｄｉｏ ｃｏｄｉｎｇ）」に関する文献を参照されたい。

さらに、変換領域パス２００が、一般的に、時間的にオーバーラップしているオーディオフレームを処理する点に留意する必要がある。好ましくは、時間領域−周波数領域変換２２２は、例えば、変形離散コサイン変換（ＭＤＣＴ）のようなラップド変換の実行を含む。したがって、およそＮ／２個のスペクトル係数２２２ａしか、Ｎ個の時間領域サンプルを有するオーディオフレームに供給されない。したがって、Ｎ／２個のスペクトル係数の符号化されたセット２１４は、例えば、Ｎ個の時間領域サンプルのフレームの完全な（またはほぼ完全な）再構成に充分でない。むしろ、２つの引き続くフレームのオーバーラップは、一般的に、オーディオコンテンツの時間領域表現を完全に（または少なくともほぼ完全に）再構成するために必要とされる。換言すれば、２つの引き続くオーディオフレームのスペクトル係数の符号化されたセット２１４は、周波数領域モードで符号化された２つの引き続くフレームの時間的オーバーラップ領域におけるエイリアシングを除去するために、復号器側で、一般的に必要である。

しかし、エイリアシングが周波数領域モードで符号化されたフレームからＡＣＥＬＰモードで符号化されたフレームへの遷移においてどのように除去されるかに関する詳細について後述する。

１．１．２．図２ｂに記載の変換領域パス
図２ｂは、変換領域パス１２０に代わることができる変換領域パス２３０のブロック略図を示す。

変換符号励振線形予測領域（ｔｒａｎｓｆｏｒｍ―ｃｏｄｅｄ―ｅｘｃｉｔａｔｉｏｎ―ｌｉｎｅａｒ―ｐｒｅｄｉｃｔｉｏｎ―ｄｏｍａｉｎ）パスとみなされうる変換領域パス２３０は、変換符号励振線形予測領域（Ｔｒａｎｓｆｏｒｍ−ｃｏｄｅｄ−ｅｘｃｉｔａｔｉｏｎ−ｌｉｎｅａｒ−ｐｒｅｄｉｃｔｉｏｎ−ｄｏｍａｉｎ）モード（また、短く言えば、ＴＣＸ―ＬＰＤモードとも示される）で符号化されるオーディオフレームの時間領域表現２４０を受ける。ここでＴＣＸ―ＬＰＤモードは、変換領域モードの一例である。変換領域パス２３０は、情報シェーピングノイズとみなされうるスペクトル係数の符号化されたセット２４４および符号化された線形予測領域パラメータ２４６を供給するように構成される。変換領域パス２３０は、任意選択で、時間領域表現２４０の前処理されたバージョン２５０ａを供給するように構成される前処理２５０を含む。変換領域パスはまた、時間領域表現２４０に基づいて線形予測領域フィルタパラメータ２５１ａを計算するように構成される線形予測領域パラメータ計算２５１を含む。線形予測領域パラメータ計算２５１は、例えば、線形予測領域フィルタパラメータを得るために、時間領域表現２４０の相関分析を実行するように構成されうる。例えば、線形予測領域パラメータ計算２５１は、３ＧＰＰ（Ｔｈｉｒｄ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）の文書「３ＧＰＰ ＴＳ ２６．０９０」「３ＧＰＰ ＴＳ ２６．１９０」および「３ＧＰＰ ＴＳ ２６．２９０」にて記載されるように、実行されうる。

変換領域パス２３０はまた、ＬＰＣベースのフィルタリング２６２を含む。そこにおいて、時間領域表現２４０またはその前処理されたバージョン２５０ａは、線形予測領域フィルタパラメータ２５１ａに従って構成されるフィルタを使用してフィルタ処理される。したがって、フィルタ処理された時間領域信号２６２ａは、線形予測領域パラメータ２５１ａに基づいて、フィルタリング２６２によって得られる。フィルタ処理された時間領域信号２６２ａは、窓を掛けた時間領域信号２６３ａを得るために、窓掛け２６３において窓を掛けられる。窓を掛けた時間領域信号２６３ａは、時間領域−周波数領域変換２６４の結果として、スペクトル係数のセット２６４ａを得るために、時間領域−周波数領域変換２６４によって周波数領域表現に変換される。その後、スペクトル係数のセット２６４ａは、スペクトル係数の符号化されたセット２４４を得るために、量子化／符号化２６５において、量子化および符号化される。

変換領域パス２３０はまた、符号化された線形予測領域パラメータ２４６を供給するために、線形予測領域パラメータ２５１ａの量子化および符号化２６６を含む。

変換領域パス２３０の機能に関して、フィルタリング２６２において適用される線形予測領域パラメータ計算２５１は、線形予測領域フィルタ情報２５１ａを供給すると言える。フィルタ処理された時間領域信号２６２ａは、時間領域表現２４０の、または、その前処理されたバージョン２５０ａのスペクトルシェーピングされたバージョンである。一般的に言って、フィルタリング２６２は、時間領域表現２４０によって表されるオーディオ信号の明瞭度に関してより重要である時間領域表現２４０の成分が、時間領域表現２４０によって表されるオーディオコンテンツの明瞭度に関してそれほど重要でない時間領域表現２４０のスペクトル成分よりも高く、重み付けされるようにノイズシェーピングを実行すると言える。したがって、オーディオコンテンツの明瞭度に関してより重要である時間領域表現２４０のスペクトル成分のスペクトル係数２６４ａは、オーディオコンテンツの明瞭度に関してそれほど重要でないスペクトル成分のスペクトル係数２６４ａを上回って強調される。

従って、時間領域表現２４０のより重要なスペクトル成分と関連したスペクトル係数は、より低い重要度のスペクトル成分のスペクトル係数より高い量子化精度によって、効率よく量子化される。このように、量子化／符号化２５０によって生じる量子化雑音は、（オーディオコンテンツの明瞭度に関して）より重要なスペクトル成分が、（オーディオコンテンツの明瞭度に関して）それほど重要でないスペクトル成分よりも、量子化雑音によって、それほどひどくは影響を受けないように、シェーピングされる。

したがって、符号化された線形予測領域パラメータ２４６は、符号化された形で、量子化雑音をシェーピングするために適用されたフィルタリング２６２を表すノイズシェーピング情報としてみなすことができる。

加えて、好ましくは、ラップド変換が時間領域−周波数領域変換２６４のために使用される点に留意する必要がある。例えば、変形離散コサイン変換（ＭＤＣＴ）は、時間領域−周波数領域変換２６４のために使用される。したがって、変換領域パスによって供給された符号化されたスペクトル係数２４４の数は、オーディオフレームの時間領域サンプルの数より小さい。例えば、Ｎ／２個のスペクトル係数の符号化されたセット２４４は、Ｎ個の時間領域サンプルを含んでいるオーディオフレームのために供給されうる。したがって、オーディオフレームのＮ個の時間領域サンプルの完全な（またはおよそ完全な）再構成は、前記フレームと関連したＮ／２個のスペクトル係数の符号化されたセット２４４に基づいては、可能でない。むしろ、２つの引き続くオーディオフレームの再構成された時間領域表現間のオーバーラップ加算は、例えばＮ／２個のスペクトル係数のより少ない数が、Ｎ個の時間領域サンプルのオーディオフレームと関連することによって生じる時間領域エイリアシングを除去することを必要とする。このように、一般的に、前記２つの引き続くフレーム間の時間的オーバーラップ領域においてエイリアシングアーチファクトを除去するために、復号器側でＴＣＸ―ＬＰＤモードで符号化された２つの引き続くオーディオフレームの時間領域表現をオーバーラップすることを必要とする。

しかし、ＴＣＸ―ＬＰＤモードで符号化されたオーディオフレームとＡＣＥＬＰモードで符号化された次のオーディオフレーム間の遷移でのエイリアシングの除去のための機構について、以下に説明する。

１．１．３．図２ｃに記載の変換領域パス
図２ｃは、いくつかの実施形態において変換領域パス１２０に代わることができ、変換符号励振線形予測領域パスとみなされるうる変換領域パス２６０のブロック略図を示す。

変換領域パス２６０は、ＴＣＸ―ＬＰＤモードで符号化されるオーディオフレームの時間領域表現を受けるように構成され、それに基づいて、ノイズシェーピング情報とみなされうるスペクトル係数の符号化されたセット２７４および符号化された線形予測領域パラメータ２７６を供給する。変換領域パス２６０は、前処理２５０と同一でありえ、時間領域表現２７０の前処理されたバージョンを供給しうる任意の前処理２８０を含む。変換領域パス２６０はまた、線形予測領域パラメータ計算２５１と同一でありえ、線形予測領域フィルタパラメータ２８１ａを供給する線形予測領域パラメータ計算２８１を含む。変換領域パス２６０はまた、線形予測領域フィルタパラメータ２８１ａを受けて、それに基づいて、線形予測領域フィルタパラメータのスペクトル領域表現２８２ｂを供給するように構成される線形予測領域−スペクトル領域（ｌｉｎｅａｒ―ｐｒｅｄｉｃｔｉｏｎ―ｄｏｍａｉｎ―ｔｏ―ｓｐｅｃｔｒａｌ―ｄｏｍａｉｎ）変換２８２を含む。変換領域パス２６０はまた、時間領域表現２７０またはその前処理されたバージョン２８０ａを受けて、時間領域−周波数領域変換２８４のための窓を掛けた時間領域信号２８３ａを供給するように構成される窓掛け２８３を含む。時間領域−周波数領域変換２８４は、スペクトル係数のセット２８４ａを供給する。スペクトル係数２８４のセットは、スペクトル処理２８５でスペクトルで処理される。例えば、スペクトル係数２８４ａの各々は、線形予測領域フィルタパラメータのスペクトル領域表現２８２ａの関連値によってスケールされる。したがって、スケールされた（すなわちスペクトルシェーピングされた）スペクトル係数のセット２８５ａが得られる。量子化および符号化２８６は、スペクトル係数の符号化されたセット２７４を得るために、スケールされたスペクトル係数のセット２８５ａに適用される。このように、スペクトル領域表現２８２ａの関連値が比較的大きな値を含むスペクトル係数２８４ａは、スペクトル処理２８５の比較的高い重み付けを与えられ、その一方で、スペクトル領域表現２８２ａの関連値が比較的小さい値を含むスペクトル係数２８４ａは、スペクトル処理２８５の比較的より小さい重み付けを与えられる。このように、異なる重み付けは、スペクトル係数２８５ａを得るときに、スペクトル係数２８４ａに適用される。ここで、その重み付けは、スペクトル領域表現の値２８２ａによって決定される。

選択的に、スペクトルシェーピングが、フィルタバンク２６２によってというよりむしろスペクトル処理２８５によって実行される場合であっても、変換領域パス２６０は、変換領域パス２３０として同様のスペクトルシェーピングを実行する。

さらにまた、線形予測領域フィルタパラメータ２８１ａは、符号化された線形予測領域パラメータ２７６を得るために、量子化／符号化２８８において、量子化および符号化される。符号化された線形予測領域パラメータ２７６は、符号化された形で、スペクトル処理２８５によって実行されるノイズシェーピングを説明する。

さらにまた、好ましくは、時間領域−周波数領域変換２８４は、オーディオフレームのいくつかの例えばＮ個の時間領域サンプルの数と比較したとき、スペクトル係数の符号化されたセット２７４が、より少ないいくつかの例えばＮ／２個のスペクトル係数を一般的に含むように、ラップド変換を使用して実行される点に留意する必要がある。このように、ＴＣＸ―ＬＰＤフレームで符号化されたオーディオフレームの完全な（またはほぼ完全な）再構成は、スペクトル係数２７４の単一の符号化されたセットに基づいては、可能でない。むしろ、ＴＣＸ―ＬＰＤモードで符号化された２つの引き続くオーディオフレームの時間領域表現は、エイリアシングアーチファクトを除去するために、一般的に、オーディオ信号復号器においてオーバーラップ加算される。

しかし、ＴＣＸ―ＬＰＤモードで符号化されたオーディオフレームからＡＣＥＬＰモードで符号化されたオーディオフレームへの遷移でのエイリアシングアーチファクトの除去のための構想について、以下に説明する。

１．２．代数符号励振線形予測領域パスに関する詳細
以下に、代数符号励振線形予測領域パス１４０に関するいくつかの詳細が、説明される。

ＡＣＥＬＰパス１４０は、線形予測領域パラメータ計算２５１と、そして、場合によっては線形予測領域パラメータ計算２８１と同一でありえる線形予測領域パラメータ計算１５０を含む。ＡＣＥＬＰパス１４０はまた、ＡＣＥＬＰモードで符号化されるオーディオの部分の時間領域表現１４２に依存して、そして、更に、線形予測領域パラメータ計算１５０によって供給された（線形予測領域フィルタパラメータでありえる）線形予測領域パラメータ１５０ａａに依存して、ＡＣＥＬＰ励振情報１５２を供給するように構成されるＡＣＥＬＰ励振計算１５２を含む。ＡＣＥＬＰパス１４０はまた、代数符号励振情報１４４を得るために、ＡＣＥＬＰ励振情報１５２の符号化１５４を含む。加えて、ＡＣＥＬＰパス１４０は、符号化された線形予測領域パラメータ情報１４６を得るために、線形予測領域パラメータ情報１５０ａの量子化および符号化１５６を含む。ＡＣＥＬＰパスは、例えば、３ＧＰＰ（Ｔｈｉｒｄ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）の文書「３ＧＰＰ ＴＳ ２６．０９０」、「３ＧＰＰ ＴＳ ２６．１９０」および「３ＧＰＰ ＴＳ ２６．２９０」において説明されるＡＣＥＬＰ符号化の機能と類似している、または同一でさえある機能を含むことができる点に留意する必要がある。しかし、時間領域表現１４２に基づいた代数符号励振情報１４４および線形予測領域パラメータ情報１４６の供給のための様々な構想は、いくつかの実施形態においても適用されうる。

１．３．エイリアシング除去情報供給に関する詳細
以下に、エイリアシング除去情報１６４を供給するために使用されるエイリアシング除去情報供給１６０に関するいくつかの詳細について説明する。

好ましくは、エイリアシング除去情報が変換領域モードで（例えば周波数領域モードで、または、ＴＣＸ―ＬＰＤモードで）符号化されたオーディオコンテンツの部分からＡＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分への遷移で選択的に供給され、その一方で、エイリアシング除去情報の供給は、変換領域モードで符号化されたオーディオコンテンツの部分から、変換領域モードで符号化されたオーディオコンテンツの次の部分への遷移では省略される点に留意する必要がある。エイリアシング除去情報１６４は、例えば、スペクトル係数のセット１２４およびノイズシェーピング情報１２６に基づいて、オーディオコンテンツの部分の（変換領域モードで符号化されたオーディオコンテンツの次の部分の時間領域表現とのオーバーラップ加算なしでの）個々の復号化によって得られたオーディオコンテンツの部分の時間領域表現に含まれるエイリアシングアーチファクトを除去するのに適用される信号を符号化することができる。

上述の通り、スペクトル係数のセット１２４に基づいた、そして、ノイズシェーピング情報１２６に基づいた単一のオーディオフレームの復号化によって得られた時間領域表現は、時間領域−周波数領域変換における、更にはオーディオ復号器の周波数領域−時間領域変換器における、ラップド変換の使用によって生じる時間領域エイリアシングを含む。

エイリアシング除去情報供給１６０は、例えば、合成結果信号１７０ａが、スペクトル係数のセット１２４およびノイズシェーピング情報１２６に基づいて、オーディオコンテンツの現在の部分の個々の復号化によってオーディオ信号復号器においても得られる合成結果を示すように、合成結果信号１７０ａを計算するように構成される合成結果計算１７０を含みうる。合成結果信号１７０ａは、オーディオコンテンツの入力表現１１０を受けうる誤差計算１７２に送られうる。誤差計算１７２は、合成結果信号１７０ａを、オーディオコンテンツの入力表現１１０と比較することができ、誤差信号１７２ａを供給することができる。誤差信号１７２ａは、オーディオ信号復号器により得ることができる合成結果とオーディオコンテンツの入力表現１１０との差を示す。誤差信号１７２の主な寄与が一般的に時間領域エイリアシングによって決定されるので、誤差信号１７２は、復号器側のエイリアシング除去に適する。エイリアシング除去情報供給１６０はまた、誤差信号１７２ａがエイリアシング除去情報１６４を得るために符号化される誤差符号化１７４を含む。このように、誤差信号１７２ａは、エイリアシング除去情報がビットレート効率の良い方法で誤差信号１７２ａを示すように、エイリアシング除去情報１６４を得るために、任意選択で、誤差信号１７２ａの予想される信号特性に適合されうる方法で符号化される。このように、エイリアシング除去情報１６４は、変換領域モードで符号化されたオーディオコンテンツの部分からＡＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分への遷移でのエイリアシングアーチファクトを減少させる、または除去さえするのに適合されるエイリアシング除去信号の復号器側の再構成を可能にする。

様々な符号化構想は、誤差符号化１７４のために使用されうる。例えば、誤差信号１７２ａは、（スペクトル値を得るための時間領域−周波数領域変換、および前記スペクトル値の量子化および符号化を含む）周波数領域符号化によって符号化されうる。量子化雑音の様々な種類のノイズシェーピングが適用されうる。しかしながら、別の方法として、様々なオーディオ符号化構想が、誤差信号１７２ａを符号化するために使用できる。

さらに、オーディオ復号器で得られうる追加の誤差除去信号は、誤差計算１７２において考慮されうる。

２．図３に記載のオーディオ信号復号器
以下に、オーディオ信号符号器１００によって供給された符号化されたオーディオ表現１１２を受けて、オーディオコンテンツの前記符号化表現を復号するように構成されるオーディオ信号復号器について説明する。図３は、本発明の一実施形態によるこの種のオーディオ信号復号器３００のブロック略図を示す。

オーディオ信号復号器３００は、オーディオコンテンツの符号化表現３１０を受けて、それに基づいて、オーディオコンテンツの復号化表現３１２を供給するように構成される。

オーディオ信号復号器３００は、スペクトル係数のセット３２２およびノイズシェーピング情報３２４を受けるように構成される変換領域パス３２０を含む。変換領域パス３２０は、スペクトル係数のセット３２２およびノイズシェーピング情報３２４に基づいて、変換領域モード（例えば周波数領域モードまたは変換符号励振線形予測領域モード（ｔｒａｎｓｆｏｒｍ―ｃｏｄｅｄ―ｅｘｃｉｔａｔｉｏｎ―ｌｉｎｅａｒ―ｐｒｅｄｉｃｔｉｏｎ―ｄｏｍａｉｎ―ｍｏｄｅ））で符号化されたオーディオコンテンツの部分の時間領域表現３２６を得るように構成される。オーディオ信号復号器３００はまた、代数符号励振線形予測領域パス３４０を含む。代数符号励振線形予測領域パス３４０は、代数符号励振情報３４２および線形予測領域パラメータ情報３４４を受けるように構成される。代数符号励振線形予測領域パス３４０は、代数符号励振情報３４２および線形予測領域パラメータ情報３４４に基づいて、代数符号励振線形予測領域モードで符号化されたオーディオコンテンツの部分の時間領域表現３４６を得るように構成される。

オーディオ信号復号器３００は、エイリアシング除去情報３６２を受けて、それに基づいて、エイリアシング除去信号３６４を供給するように構成されるエイリアシング除去信号供給器３６０を更に含む。

オーディオ信号復号器３００は、オーディオコンテンツの復号化表現３１２を得るために、例えば結合３８０を使用して、変換領域モードで符号化されたオーディオコンテンツの部分の時間領域表現３２６とＡＣＥＬＰモードで符号化されたオーディオコンテンツの部分の時間領域表現３４６とを結合するように更に構成される。

変換領域パス３２０は、スペクトル係数のセット３２２またはその前処理されたバージョンからオーディオコンテンツの窓を掛けた時間領域表現を得るために、周波数領域−時間領域変換３３２および窓掛け３３４を適用するように構成される周波数領域−時間領域変換器３３０を含む。周波数領域−時間領域変換器３３０は、オーディオコンテンツの現在の部分の後に、変換領域モードで符号化されたオーディオコンテンツの次の部分が続く場合、および、オーディオコンテンツの現在の部分の後に、ＡＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分が続く場合の両方の場合に、変換領域モードで符号化され、変換領域モードで符号化されたオーディオコンテンツの前の部分の後に続くオーディオコンテンツの現在の部分の窓掛けのための既定の非対称の合成窓を適用するように構成される。

オーディオ信号復号器（またはより正確に言うと、エイリアシング除去信号供給器３６０）は、（変換領域モードで符号化される）オーディオコンテンツの現在の部分の後に、ＡＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分が続く場合、エイリアシング除去情報３６２に基づいて、選択的にエイリアシング除去信号３６４を供給するように構成される。

オーディオ信号復号器３００の機能に関して、オーディオ信号復号器３００は、部分が様々なモードで符号化される、すなわち変換領域モードおよびＡＣＥＬＰモードで符号化されるオーディオコンテンツの復号化表現３１２を供給することができると言える。変換領域モードで符号化されたオーディオコンテンツの部分（例えばフレームまたはサブフレーム）のために、変換領域パス３２０は、時間領域表現３２６を供給する。しかし、変換領域モードで符号化されたオーディオコンテンツのフレームの時間領域表現３２６は、周波数領域−時間領域変換器３３０が、一般的に、時間領域表現３２６を供給するために逆ラップド変換を使用するので、時間領域エイリアシングを含みうる。例えば、逆変形離散コサイン変換（ＩＭＤＣＴ）でありえる逆ラップド変換において、スペクトル係数のセット３２２は、フレームの時間領域サンプルにマップされうる。ここで、フレームの時間領域サンプルの数は、前記フレームと関連したスペクトル係数３２２の数より大きくてもよい。例えば、オーディオフレームと関連したＮ／２個のスペクトル係数がありえ、Ｎ個の時間領域サンプルは、前記フレームのための変換領域パス３２０によって供給されうる。したがって、実質的にエイリアシングのない時間領域表現は、変換領域モードで符号化された２つの引き続くフレームのために得られた、（時間シフトされた）時間領域表現を（例えば結合３８０において）オーバーラップ加算することによって得られる。

しかしながら、エイリアシング除去は、変換領域モードで符号化されたオーディオコンテンツの部分（例えばフレームまたはサブフレーム）からＡＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分への遷移においては、より困難である。好ましくは、変換領域モードで符号化されたフレームまたはサブフレームのための時間領域表現は、（ゼロ以外の）時間領域サンプルがＡＣＥＬＰブランチによって供給される（一般的にはブロックの形の）時間部分に時間的に及ぶ。更に、変換領域モードで符号化され、ＡＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分の前にあるオーディオコンテンツの部分は、一般的に、（オーディオコンテンツの次の部分が変換領域モードで符号化された場合には、時間領域エイリアシングが変換領域ブランチによって供給された時間領域表現によって実質的に除去される一方で、）ＡＣＥＬＰモードで符号化されたオーディオコンテンツの部分のためのＡＣＥＬＰブランチによって供給された時間領域サンプルによって除去できない、ある程度の時間領域エイリアシングを含む。

しかしながら、変換領域モードで符号化されたオーディオコンテンツの部分からＡＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分への遷移でのエイリアシングは、エイリアシング除去信号供給器３６０によって供給されたエイリアシング除去信号３６４によって、減少される、または除去されさえする。この目的のために、エイリアシング除去信号供給器３６０は、エイリアシング除去情報を評価して、それに基づいて、時間領域エイリアシング除去信号を供給する。例えば、エイリアシング除去信号３６４は、例えば、時間領域エイリアシングを減少させる、または除去さえするために変換領域パスによって変換領域モードで符号化されたオーディオコンテンツの部分のために供給されたＮ個の時間領域サンプルの時間領域表現の右側半分（またはより短い右側部分）に付け加えられる。エイリアシング除去信号３６４は、ＡＣＥＬＰモードで符号化されたオーディオコンテンツの部分の（ゼロ以外の）時間領域表現３４６が変換領域モードで符号化されたオーディオコンテンツの時間領域表現にオーバーラップしない時間部分、および、ＡＣＥＬＰモードで符号化されたオーディオコンテンツの部分の（ゼロ以外の）時間領域表現が変換領域モードで符号化されたオーディオコンテンツの前の部分の時間領域表現にオーバーラップする時間部分に付け加えられることができる。したがって、（「クリック」アーチファクトのない）滑らかな遷移を、変換領域モードで符号化された時間領域表現の部分およびＡＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分との間に得ることができる。エイリアシングアーチファクトは、エイリアシング除去信号を使用しているこの種の遷移で、減少できる、または除去されさえできる。

従って、オーディオ信号復号器３００は、変換領域モードで符号化されたオーディオコンテンツの部分のシーケンス（例えばフレーム）を効率よく処理することができる。このような場合、時間領域エイリアシングは、変換領域モードで符号化された引き続く（時間的にオーバーラップする）フレームの（例えばＮ個の時間領域サンプルの）時間領域表現のオーバーラップ加算によって除去される。したがって、滑らかな遷移が、いかなる追加のオーバーラップなしでも得られる。例えば、オーディオフレームごとにＮ／２個のスペクトル係数を評価することによって、そして、５０％の時間的フレームオーバーラップを使用することによって、臨界サンプリングが使用できる。ブロッキングアーチファクトを回避すると共に、非常により良い符号化効率が変換領域モードで符号化されたこの種のオーディオフレームのシーケンスのために得られる。

また、変換領域モードで符号化されるオーディオコンテンツの現在の部分の後に、変換領域モードで符号化されたオーディオコンテンツの次の部分が続くか、あるいはＡＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分が続くかにかかわりなく、同じ既定の非対称の合成窓を使用することにより、遅延は、相当に小さく保たれることができる。

さらに、変換領域モードで符号化されたオーディオコンテンツの部分とＡＣＥＬＰモードで符号化されたオーディオコンテンツの次の部分との間の遷移でのオーディオ品質は、エイリアシング除去情報に基づいて供給されるエイリアシング除去信号を使用することによって、特別に適用された合成窓を使用することなしでさえ、高く保たれることができる。

このように、オーディオ信号復号器３００は、符号化効率、符号化遅延およびオーディオ品質間のより良い妥協点を供給する。

２．１．変換領域パスに関する詳細
以下に、変換領域パス３２０に関する詳細が与えられる。この目的のために、変換パス３２０の実施態様の例について説明する。

２．１．１．図４ａに記載の変換領域パス
図４ａは、本発明によるいくつかの実施形態の変換領域パス３２０に代わることができ、周波数領域パスとしてみなされうる変換領域パス４００のブロック略図に示す。

変換領域パス４００は、スペクトル係数の符号化されたセット４１２および符号化されたスケールファクター情報４１４を受けるように構成される。変換領域パス４００は、周波数領域モードで符号化されたオーディオコンテンツの部分の時間領域表現４１６を供給するように構成される。

変換領域パス４００は、スペクトル係数の符号化されたセット４１２を受けて、それに基づいて、スペクトル係数の復号化および逆量子化されたセット４２０ａを供給する、復号化および逆量子化４２０を含む。変換領域パス４００はまた、符号化されたスケールファクター情報４１４を受けて、それに基づいて、復号化および逆量子化されたスケールファクター情報４２１ａを供給する、復号化および逆量子化４２１を含む。

変換領域パス４００はまた、スペクトル処理４２２が、例えば、復号化および逆量子化されたスペクトル係数４２０ａのスケールファクターバンドごとのスケーリングを含みうるスペクトル処理４２２を含む。したがって、スケールされた（すなわちスペクトルシェーピングされた）スペクトル係数のセット４２２ａが得られる。スペクトル処理４２２において、（比較的に）小さいスケーリングファクターは、比較的高い音響心理学的な関連があるこの種のスケールファクターバンドに適用されることができ、その一方で、（比較的に）大きいスケーリングは、比較的より小さい音響心理学的な関連性を有するスケールファクターバンドのスペクトル係数に適用される。したがって、比較的小さい音響心理学的な関連性を有するスケールファクターバンドのスペクトル係数のための有効な量子化雑音と比較するときに、有効な量子化雑音が、比較的より高い音響心理学的な関連を有するスケールファクターバンドのスペクトル係数のために、より小さいことが達せられる。スペクトル処理において、スペクトル係数４２０ａは、スケールされたスペクトル係数４２２ａを得るために、それぞれ関連したスケールファクターを乗算されうる。

変換領域パス４００はまた、スケールされたスペクトル係数４２２ａを受けて、それに基づいて、時間領域信号４２３ａを供給するように構成される周波数領域−時間領域変換４２３を含みうる。例えば、周波数領域−時間領域変換は、例えば逆変形離散コサイン変換のような逆ラップド変換でありえる。したがって、周波数領域−時間領域変換４２３は、例えば、Ｎ／２個のスケールされた（スペクトルシェーピングされた）スペクトル係数４２２ａに基づいて、Ｎ個の時間領域サンプルの時間領域表現４２３ａを供給しうる。変換領域パス４００はまた、時間領域信号４２３ａに適用される窓掛け４２４を含みうる。例えば、既定の非対称の合成窓は、上述のように、そして、以下で詳述するように、窓を掛けた時間領域信号４２４ａを得るために、時間領域信号４２３ａに適用されうる。任意選択で、後処理４２５は、周波数領域モードで符号化されたオーディオコンテンツの部分の時間領域表現４２６を得るために、窓を掛けた時間領域信号４２４ａに適用されうる。

このように、周波数領域パスとみなされうる変換領域パス４２０は、スペクトル処理４２２において適用されるスケールファクターベースの量子化ノイズシェーピングを使用して、周波数領域モードで符号化されたオーディオコンテンツの部分の時間領域表現４１６を供給するように構成される。好ましくは、Ｎ個の時間領域サンプルの時間領域表現は、Ｎ／２個のスペクトル係数のセットのために供給される。そこにおいて、時間領域表現４１６は、（所定のフレームのための）時間領域表現４１６の時間領域サンプルの数が、（その所定のフレームのための）スペクトル係数の符号化されたセット４１２のスペクトル係数の数より（例えば、２倍、または、異なる倍数分）大きいという事実に起因して、いくつかのエイリアシングを含む。

しかし、上記のように、時間領域エイリアシングは、周波数領域モードで符号化されたオーディオコンテンツの部分とＡＣＥＬＰモードで符号化されたオーディオコンテンツの部分との間の遷移の場合に、周波数領域において符号化されたオーディオコンテンツの引き続く部分間のオーバーラップ加算操作によって、または、エイリアシング除去信号３６４の追加によって、減少される、または除去される。

２．１．２．図４ｂに記載の変換領域パス
図４ｂは、変換領域パスであって、変換領域パス３２０と代わることができる、変換符号励振線形予測領域パス４３０のブロック略図を示す。

ＴＣＸ―ＬＰＤパス４３０は、スペクトル係数の符号化されたセット４４２と、ノイズシェーピング情報とみなされうる符号化された線形予測領域パラメータ４４４を受けるように構成される。ＴＣＸ―ＬＰＤパス４３０は、スペクトル係数の符号化されたセット４４２および符号化された線形予測領域パラメータ４４４に基づいて、ＴＣＸ―ＬＰＤモードで符号化されたオーディオコンテンツの部分の時間領域表現４４６を供給するように構成される。

ＴＣＸ―ＬＰＤパス４３０は、復号化および逆量子化の結果として、復号化および逆量子化されたスペクトル係数のセット４５０ａを供給するスペクトル係数の符号化されたセット４４２の復号化および逆量子化４５０を含む。復号化および逆量子化されたスペクトル係数４５０ａは、復号化および逆量子化されたスペクトル係数に基づいて、時間領域信号４５１ａを供給する周波数領域−時間領域変換４５１に入力される。周波数領域−時間領域変換４５１は、例えば、前記逆ラップド変換の結果として、時間領域信号４５１ａを供給するために、復号化および逆量子化されたスペクトル係数４５０ａに基づいた逆ラップド変換の実行を含むことができる。例えば、逆変形離散コサイン変換は、復号化および逆量子化されたスペクトル係数４５０ａから時間領域信号４５１ａを得るために実行されることができる。時間領域表現４５１ａの時間領域サンプルの数（例えばＮ）は、ラップド変換の場合に、周波数領域−時間領域変換に入力されたスペクトル係数４５０ａの数（例えばＮ／２）より大きくてもよく、その結果、例えば、時間領域信号４５１ａのＮ個の時間領域サンプルは、Ｎ／２個のスペクトル係数４５０ａに応答して供給されうる。

ＴＣＸ―ＬＰＤパス４３０はまた、窓を掛けた時間領域信号４５２ａを得るために、合成窓関数が時間領域信号４５１ａの窓掛けのための適用される窓掛け４５２を含む。例えば、既定の非対称の合成窓は、時間領域の窓を掛けたバージョン４５１ａとして窓を掛けた時間領域信号４５２ａを得るために、窓掛け４５２において適用されうる。ＴＣＸ―ＬＰＤパス４３０はまた、復号化および逆量子化４５３を含む。そこにおいて、復号化線形予測領域パラメータ情報４５３ａが符号化された線形予測領域パラメータ４４４から得られる。復号化線形予測領域パラメータ情報は、例えば、線形予測フィルタのためのフィルタ係数を含む（または示す）ことができる。フィルタ係数は、例えば、３ＧＰＰ（Ｔｈｉｒｄ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）の技術仕様書「３ＧＰＰ ＴＳ ２６．０９０」、「３ＧＰＰ ＴＳ ２６．１９０」および「３ＧＰＰ ＴＳ ２６．２９０」に示されたように、復号されうる。したがって、フィルタ係数４５３ａは、窓を掛けた時間領域信号４５２ａをフィルタ処理するために、線形予測符号化ベースのフィルタリング４５４において使用されうる。換言すれば、窓を掛けた時間領域信号４５２ａからフィルタ処理された時間領域信号４５４ａを得るために使用されるフィルタ（例えば有限インパルス応答フィルタ）の係数は、前記フィルタ係数を示しうる復号化線形予測領域パラメータ情報４５３ａによって調整されうる。このように、窓を掛けた時間領域信号４５２ａは、フィルタ係数４５３ａによって調整される線形予測符号化ベースの信号合成４５４の刺激信号として用いられうる。

任意選択で、後処理４５５は、フィルタ処理時間領域信号４５４ａからＴＣＸ―ＬＰＤモードで符号化されたオーディオコンテンツの部分の時間領域表現４４６を得るために適用されることができる。

要約すると、符号化された線形予測領域パラメータ４４４によって示されるフィルタリング４５４は、スペクトル係数の符号化されたセット４４２によって示されるフィルタ刺激信号４５２ａからＴＣＸ―ＬＰＤモードで符号化されたオーディオコンテンツの部分の時間領域表現４４６を得るために適用される。したがって、より良い符号化効率は、適切に予測可能である、すなわち、線形予測フィルタによく適合されるこの種の信号のために得られる。この種の信号のために、その刺激は、スペクトル係数の符号化されたセット４４２によって効率的に符号化でき、その一方で、信号の他の相関特性は、線形予測フィルタ係数４５３ａに依存して決定されるフィルタリング４５４によって考慮されることができる。

しかし、時間領域エイリアシングが、周波数領域−時間領域変換４５１におけるラップド変換を適用することによって時間領域表現４４６に生じる点に留意する必要がある。時間領域エイリアシングは、ＴＣＸ―ＬＰＤモードで符号化されたオーディオコンテンツの引き続く部分の（時間的にシフトされた）時間領域表現４４６のオーバーラップ加算によって除去できる。あるいは、時間領域エイリアシングは、様々なモードで符号化されたオーディオコンテンツの部分間での遷移において、エイリアシング除去信号３６４を使用して減少できる、または除去できる。

２．１．３．図４ｃに記載の変換領域パス
図４ｃは、本発明によるいくつかの実施形態の変換領域パス３２０に代わることができる、変換領域パス４６０のブロック略図を示す。

変換領域パス４６０は、周波数領域ノイズシェーピングを使用している変換符号励振線形予測領域パス（ＴＣＸ―ＬＰＤパス）である。ＴＣＸ―ＬＰＤパス４６０は、ノイズシェーピング情報とみなされうるスペクトル係数の符号化されたセット４７２および符号化された線形予測領域パラメータ４７４を受けるように構成される。ＴＣＸ―ＬＰＤパス４６０は、スペクトル係数の符号化されたセット４７２に基づいて、そして、符号化された線形予測領域パラメータ４７２に基づいて、ＴＣＸ―ＬＰＤモードで符号化されたオーディオコンテンツの部分の時間領域表現４７６を供給するように構成される。

ＴＣＸ―ＬＰＤパス４６０は、スペクトル係数の符号化されたセット４７２を受けて、それに基づいて、復号化および逆量子化されたスペクトル係数４８０ａを供給するように構成される復号化／逆量子化４８０を含む。ＴＣＸ―ＬＰＤパス４６０はまた、符号化された線形予測領域パラメータ４７２を受けて、それに基づいて、例えば、線形予測符号化（ＬＰＣ）フィルタのフィルタ係数のような復号化および逆量子化された線形予測領域パラメータ４８１ａを供給するように構成された復号化および逆量子化４８１を含む。ＴＣＸ―ＬＰＤパス４６０はまた、復号化および逆量子化された線形予測領域パラメータ４８１を受けて、線形予測領域パラメータ４８１ａのスペクトル領域表現４８２ａを供給するように構成された線形予測領域−スペクトル領域変換４８２を含む。例えば、スペクトル領域表現４８２ａは、線形予測領域パラメータ４８１ａによって示されたフィルタ応答のスペクトル領域表現でありえる。ＴＣＸ―ＬＰＤパス４６０は、スケールされたスペクトル係数のセット４８３ａを得るために、線形予測領域パラメータ４８１のスペクトル領域表現４８２ａに依存して、スペクトル係数４８０ａをスケールするように構成されるスペクトル処理４８３を更に含む。例えば、スペクトル係数４８０ａの各々は、スペクトル領域表現４８２ａの１つまたはそれ以上のスペクトル係数に従って（または依存して）決定されるスケーリングファクターで乗算されうる。このように、スペクトル係数４８０ａの重み付けは、符号化された線形予測領域パラメータ４７２によって表された線形予測符号化フィルタのスペクトル応答によって、効率よく決定される。例えば、線形予測フィルタが比較的大きい周波数応答を含む周波数のためのスペクトル係数４８０ａは、スペクトル処理４８３において、小さいスケーリングファクターによってスケールされうる。その結果、前記スペクトル係数４８０ａと関連した量子化雑音は減少される。対照的に、符号化された線形予測領域パラメータ４７２によって示された線形予測フィルタが比較的小さい周波数応答を含む周波数のためのスペクトル係数４８０ａは、スペクトル処理４８３の比較的より高いスケールファクターによってスケールされうる。その結果、有効な量子化雑音は、この種のスペクトル係数４８０ａに関して比較的大きい。このように、スペクトル処理４８３は、効果的に符号化された線形予測領域パラメータ４７２による量子化雑音のシェーピングをもたらす。

スケールされたスペクトル係数４８３ａは、時間領域信号４８４ａを得るために、周波数領域−時間領域変換４８４に入力される。例えば、周波数領域−時間領域変換４８４は、例えば逆変形離散コサイン変換のようなラップド変換を含みうる。したがって、時間領域表現４８４ａは、スケールされた（すなわちスペクトルシェーピングされた）スペクトル係数４８３ａに基づいて、この種の周波数領域−時間領域変換の実行の結果でありえる。時間領域表現４８４ａは、周波数領域−時間領域変換に入力されるスケールされたスペクトル係数４８３ａの数より大きい時間領域サンプルの数を含むことができる点に留意する必要がある。したがって、時間領域信号４８４ａは、様々なモードで符号化されたオーディオコンテンツの部分間の遷移の場合に、ＴＣＸ―ＬＰＤモードで符号化されたオーディオコンテンツの引き続く部分（例えばフレームまたはサブフレーム）の時間領域表現４７６のオーバーラップ加算によって、または、エイリアシング除去信号３６４の追加によって除去される、時間領域エイリアシング成分を含む。

ＴＣＸ―ＬＰＤパス４６０はまた、そこから窓を掛けた時間領域信号４８５ａを得るために、時間領域信号４８４ａに窓をかけるように適用される窓掛け４８５を含む。窓掛け４８５において、後述するように、既定の非対称の合成窓は、本発明によるいくつかの実施形態において使用されうる。

任意選択で、後処理４８６は、窓を掛けた時間領域信号４８５ａから時間領域表現４７６を得るために適用されうる。

ＴＣＸ―ＬＰＤパス４６０の機能を要約するために、ＴＣＸ―ＬＰＤパス４６０の中心部分であるスペクトル処理４８３において、ノイズシェーピングが、復号化および逆量子化されたスペクトル係数４８０ａに適用され、ここで、ノイズシェーピングは、線形予測領域パラメータに依存して調整されることが言える。その後、窓を掛けた時間領域信号４８５ａは、周波数領域−時間領域変換４８４および窓掛け４８５を使用して、スケールされ、ノイズシェーピングされたスペクトル係数４８３ａに基づいて供給される。そこにおいて、好ましくは、ある程度エイリアシングを生じさせるラップド変換が使用される。

２．２．ＡＣＥＬＰパスに関する詳細
以下に、ＡＣＥＬＰパス３４０に関するいくつかの詳細は、説明される。

ＡＣＥＬＰパス１４０と比較するとき、ＡＣＥＬＰパス３４０が逆機能を実行しうる点に留意する必要がある。ＡＣＥＬＰパス３４０は、代数符号励振情報３４２の復号化３５０を含む。復号化３５０は、次にＡＣＥＬＰ励振信号３５１ａを供給する励振信号計算および後処理３５１に復号化された代数符号励振情報３５０ａを供給する。ＡＣＥＬＰパスはまた、線形予測領域パラメータの復号化３５２を含む。復号化３５２は、線形予測領域パラメータ情報３４４を受けて、それに基づいて、例えば、線形予測フィルタ（また、ＬＰＣフィルタとも表される）のフィルタ係数のような線形予測領域パラメータ３５２ａを供給する。ＡＣＥＬＰパスはまた、線形予測領域パラメータ３５２ａに依存して励振信号３５１ａにフィルタをかけるように構成される合成フィルタリング３５３を含む。したがって、合成された時間領域信号３５３ａは、ＡＣＥＬＰモードで符号化されたオーディオコンテンツの部分の時間領域表現３４６を得るために後処理３５４において任意選択で後処理される合成フィルタリング３５３の結果として得られる。

ＡＣＥＬＰパスは、ＡＣＥＬＰモードで符号化されたオーディオコンテンツの時間的に限定された部分の時間領域表現を供給するように構成される。例えば、時間領域表現３４６は、オーディオコンテンツの部分の時間領域信号を自己無撞着に示しうる。換言すれば、時間領域表現３４６は、時間領域エイリアシングがなく、ブロック形の窓によって限定されうる。したがって、時間領域表現３４６は、ブロッキングアーチファクトがこの種のブロックの境界にないことに注意を払わなければならない場合であっても、（ブロック形窓形状を有する）範囲を定められた時間的ブロックのオーディオ信号を再構成するのに十分でありえる。

更なる詳細について、以下に説明する。

２．３．エイリアシング除去信号供給器に関する詳細
以下に、エイリアシング除去信号供給器３６０に関するいくつかの詳細について説明される。エイリアシング除去信号供給器３６０は、復号化エイリアシング除去情報３７０ａを得るために、エイリアシング除去情報３６２を受けて、エイリアシング除去情報３６２の復号化３７０を実行するように構成される。エイリアシング除去信号供給器３６０はまた、復号化エイリアシング除去情報３７０ａに基づいて、エイリアシング除去信号３６４の再構成３７２を実行するようにも構成される。

上記のように、エイリアシング除去情報３６０は、様々な形で符号化されうる。例えば、エイリアシング除去情報３６２は、周波数領域表現で、または、線形予測領域表現で符号化されうる。このように、様々な量子化ノイズシェーピング構想は、エイリアシング除去信号の再構成３７２において適用されうる。場合によっては、周波数領域モードで符号化されたオーディオコンテンツの部分からのスケールファクターは、エイリアシング除去信号３６４の再構成において適用されうる。いくつかの他の場合において、線形予測領域パラメータ（例えば線形予測フィルタ係数）は、エイリアシング除去信号３６４の再構成３７２において適用されうる。代わりに、または、加えて、ノイズシェーピング情報は、例えば、周波数領域表現に加えて、符号化されたエイリアシング除去情報３６２に含まれうる。さらに、変換領域パス３２０からの、または、ＡＣＥＬＰブランチ３４０からの付加情報は、エイリアシング除去信号３６４の再構成３７２において、任意選択で使用されうる。さらに、以下に詳述するように、窓掛けは、エイリアシング除去信号の再構成３７２においても使用されうる。

要約すると、様々な信号復号化構想は、エイリアシング除去情報３６２のフォーマットに依存して、エイリアシング除去情報３６２に基づいて、エイリアシング除去信号３６４を供給するために使用されうる。

３．窓掛けおよびエイリアシング除去構想
以下に、オーディオ信号符号器１００およびオーディオ信号復号器３００において適用されうる窓掛けおよびエイリアシング除去の構想に関する詳細について、詳しく説明する。

以下に、低遅延の統合音声音響符号化（ＵＳＡＣ）における窓シーケンスの状態の記載が与えられる。

低遅延の統合音声音響符号化（ＵＳＡＣ）開発の現在の実施形態において、過去まで拡張したオーバーラップを有する超低遅延ＡＡＣ（ａｄｖａｎｃｅｄ−ａｕｄｉｏ−ｃｏｄｉｎｇ−ｅｎｈａｎｃｅｄ−ｌｏｗ−ｄｅｌａｙ（ＡＡＣ―ＥＬＤ））からの低遅延窓は使用されない。その代わりに、ＩＴＵ―Ｔ Ｇ．７１８規格において使用されるものと同一または類似するサイン窓または低遅延窓が、（例えば、時間領域−周波数領域変換器１３０および／または周波数領域―時間に対する変換器３３０において）使用される。このＧ．７１８窓は、遅延を低減するために、超低遅延ＡＡＣ窓（ＡＡＣ―ＥＬＤ窓）と同様の非対称な形状を有するが、それは、２倍のオーバーラップ（２×オーバーラップ）、すなわち通常のサイン窓と同じオーバーラップを有するだけである。以下の図（特に、図５〜図９）は、サイン窓およびＧ．７１８窓の違いを示す。

以下の図において、４００サンプルのフレーム長が、図のグリッドを窓にうまく適合させるために仮定される点に留意する必要がある。しかし、実システムでは、５１２のフレーム長が好ましい。

３．１．サイン窓とＧ．７１８分析窓間の比較（図５〜図９）
図５は、サイン窓（点線で示される）およびＧ．７１８分析窓（実線で示される）の比較を示す。サイン窓およびＧ．７１８分析窓の窓値のグラフ表現を示す図５を参照すると、横座標５１０が、０と４００との間にサンプルインデックスを有する時間領域サンプルに関する時間を示し、縦座標５１２が、例えば、正規化窓値でありうる窓値を示す点に留意する必要がある。

図５で示すように、Ｇ．７１８分析窓（実線５２０で示される）は、非対称である。図に示すように、左窓半分（時間領域サンプル０〜１９９）は、窓値が０から１である窓中心値まで単調に増加する遷移スロープ５２２と、窓値が１である窓中心値より大きいオーバーシュート部分５２４とを含む。オーバーシュート部分５２４において、窓は、最大値５２４ａを含む。Ｇ．７１８分析窓５２０はまた、中心５２６に、１である中心値を含む。Ｇ．７１８分析窓５２０はまた、右窓半分（時間領域サンプル２０１〜４００）を含む。右窓半分は、窓値が１である窓中心値から０まで単調に減少する右側の遷移スロープ５２０ａを含む。右窓半分はまた、右側のゼロ部分５３０を含む。Ｇ．７１８分析窓５２０が、４００サンプルのフレーム長を有する部分（例えばフレームまたはサブフレーム）に窓を掛けるために、時間領域−周波数領域変換器１３０において使用され、前記フレームの最後の５０サンプルは、Ｇ．７１８分析窓の右側のゼロ部分５３０のために考慮されないままにされうる点にここでは留意されなければならない。したがって、フレームの全４００のサンプルが利用できる前に、時間領域−周波数領域変換は開始できる。むしろ、時間領域−周波数領域変換を開始するために、現在分析されたフレームの３５０サンプルが利用できることは充分である。

また、左窓半分において（のみ）オーバーシュート部分５２４を含む窓５２０の非対称の形状は、オーディオ信号符号器／オーディオ信号復号器処理チェーンにおいて低遅延信号再構成にうまく適合される。

上記を要約すると、図５は、サイン窓（点線）と、Ｇ．７１８窓５２０の右側の５０サンプルが（サイン窓を用いた符号器と比較して、）結果として符号器における５０サンプルの遅延低減を生じさせることを特徴とするＧ．７１８分析窓（実線）との比較を示す。

図６は、サイン窓（点線）およびＧ．７１８合成窓（実線）の比較を示す。横座標６１０は、時間領域サンプルが０と４００との間にサンプルインデックスを有することを特徴とする時間領域サンプルに関する時間を示す。縦座標６１２は、（正規化）窓値を示す。

図に示すように、周波数領域−時間領域変換器３３０における窓掛けのための使用されうるＧ．７１８合成窓６２０は、左窓半分および右窓半分を含む。左窓半分（サンプル０〜１９９）は、左側ゼロ部分６２２と、０（サンプル５０）から例えば１である窓中心値まで窓値が単調に増加する左側遷移スロープ６２４とを含む。Ｇ．７１８合成窓６２０はまた、１である中心窓値（サンプル２００）を含む。右側窓部分（サンプル２０１〜４００）は、最大値６２８ａを含むオーバーシュート部分６２８を含む。右窓半分（サンプル２０１〜４００）はまた、窓中心値（１）から０まで窓値が単調に減少する右側遷移スロープ６３０を含む。

Ｇ．７１８合成窓６２０は、変換領域モードで符号化されたオーディオフレームの４００サンプルに窓を掛けるために、変換領域パス３２０において、適用されうる。Ｇ．７１８窓の左側（左側ゼロ部分６２２）の５０サンプルは、（例えば、４００サンプルのゼロでない時間的拡張を含んでいる窓と比較して、）結果として、復号器においてさらに５０サンプルの遅延低減をもたらす。遅延低減は、前のオーディオフレームのオーディオコンテンツが、オーディオコンテンツの現在の部分の時間領域表現が得られる前に、オーディオコンテンツの現在の部分の５０番目のサンプルの位置まで出力されうるということから生じる。このように、前のオーディオフレーム（またはオーディオサブフレーム）と現在のオーディオフレーム（またはオーディオサブフレーム）間の（ゼロでない）オーバーラップ領域は、左側ゼロ部分６２２の長さだけ減少し、それは、復号化オーディオ表現を供給するときに、結果として遅延減少となる。しかし、引き続くフレームは、５０％（例えば、２００サンプル）だけシフトされうる。更なる詳細について、以下に述べる。

上記を要約すると、図６は、サイン窓（点線）およびＧ．７１８合成窓（実線）の比較を示す。Ｇ．７１８窓の左側の５０サンプルは、結果として復号器におけるさらなる５０サンプルの遅延減少になる。Ｇ．７１８合成窓６２０は、例えば、周波数領域−時間領域変換器３３０、窓掛け４２４、窓掛け４５２、または窓掛け４８５において使用されうる。

図７は、サイン窓のシーケンスのグラフ表現を示す。横座標７１０は、オーディオサンプル値に関する時間を示し、縦座標７１２は、正規化窓値を示す。図に示すように、例えば、第１のサイン窓７２０は、例えば、４００サンプル（０および３９９間のサンプルインデックス）のフレーム長を有する第１のオーディオフレーム７２２と関連する。第２のサイン窓７３０は、４００のオーディオサンプル（２００および５９９間のサンプルインデックス）の長さを有する第２のオーディオフレーム７３２と関連する。図に示すように、第２のオーディオフレーム７３２は、２００のサンプルによって第１のオーディオフレーム７２２に関してオフセットされる。また、第１のオーディオフレーム７２２および第２のオーディオフレーム７３２は、例えば、２００個のオーディオサンプル（２００および３９９間のサンプルインデックス）の時間的オーバーラップを含む。換言すれば、第１のオーディオフレーム７２２および第２のオーディオフレーム７３２は、およそ（例えば＋／−１サンプルの公差を有する）５０％の時間的オーバーラップを含む。

図８は、Ｇ．７１８分析窓のシーケンスのグラフ表現を示す。横座標８１０は、時間領域オーディオサンプルに関する時間を示し、縦座標８１２は、正規化窓値を示す。第１のＧ．７１８分析窓８２０は、サンプル０からサンプル３９９まで及ぶ第１のオーディオフレーム８２２と関連する。第２のＧ．７１８分析窓８３０は、サンプル２００からサンプル５９９まで及ぶ第２のオーディオフレーム８３２と関連する。図に示すように、第１のＧ．７１８分析窓８２０および第２のＧ．７１８分析窓８３０は、（ゼロ以外の窓値しか考慮しないときに）例えば１５０サンプル（＋／−１サンプル）の時間的オーバーラップを含む。この点に関して、第１のＧ．７１８分析窓８２０がサンプル０および３９９との間に及ぶ第１のフレーム８２２と関連する点に留意する必要がある。しかしながら、第１のＧ．７１８分析窓８２０は、例えば５０のサンプル（右側ゼロ部分５３０）の右側ゼロ部分を含む。その結果、（ゼロ以外の窓値に関して正確に測定された）分析窓８２０、８３０のオーバーラップは、１５０サンプル値（＋／−１サンプル値）に減少する。図８から分かるように、時間的オーバーラップが、（合計２００サンプル値＋／−１サンプル値の）２つの隣接するオーディオフレーム８２２、８３２の間にあり、（合計１５０サンプル＋／−１サンプルの）時間的オーバーラップが、２つ（２つだけ）の窓８２０、８３０のゼロ以外の部分の間にもある。

図８に示されるＧ．７１８分析窓のシーケンスが周波数領域−時間領域変換器１３０によって、そして、変換領域パス２００、２３０、２６０によって適用されることができる点に留意する必要がある。

図９は、Ｇ．７１８合成窓のシーケンスのグラフ表現を示す。横座標９１０は、時間領域オーディオサンプルに関する時間を示し、縦座標９１２は、合成窓の正規化値を示す。

図９に記載のＧ．７１８合成窓のシーケンスは、第１のＧ．７１８合成窓９２０と第２のＧ．７１８合成窓９３０を含む。第１のＧ．７１８合成窓９２０は、第１のフレーム９２２（オーディオサンプル０〜３９９）に関連し、（左側のゼロ部分６２２に対応する）Ｇ．７１８合成窓９２０の左側のゼロ部分は、第１のフレーム９２２の始めで、複数の、例えば、およそ５０個のサンプルをカバーする。したがって、第１のＧ．７１８合成窓のゼロ以外の部分は、およそ、サンプル５０からサンプル３９９まで及ぶ。第２のＧ．７１８合成窓９３０は、第２のオーディオフレーム９３２と関連し、オーディオサンプル２００からオーディオサンプル５９９まで及ぶ。図に示すように、第２のＧ．７１８合成窓９３０の左側ゼロ部分は、サンプル２００〜２４９に及び、従って、第２のオーディオフレーム９３２の始めで、複数の、例えば、およそ５０サンプルをカバーする。第２のＧ．７１８合成窓９３０のゼロ以外の領域は、サンプル２５０からサンプル５９９まで及ぶ。図に示すように、第１のＧ．７１８合成窓および第２のＧ．７１８合成窓９３０のゼロ以外の領域の間に、サンプル２５０からサンプル３９９までのオーバーラップ領域がある。追加のＧ．７１８合成窓は、図９で示すように、均一に間隔を置かれる。

３．２．サイン窓およびＡＣＥＬＰのシーケンス
図１０は、サイン窓（実線）およびＡＣＥＬＰ（正方形という特徴がある線）のシーケンスのグラフ表現を示す。図に示すように、第１の変換領域フレーム１０１２は、サンプル０〜３９９に及び、第２の変換領域オーディオフレーム１０２２は、サンプル２００〜５９９に及び、サンプル５００と７００の間のゼロ以外の値を有する、第１のＡＣＥＬＰオーディオフレーム１０３２は、サンプル４００〜７９９に及び、ンプル７００と９００間のゼロ以外の値を有する、第２のＡＣＥＬＰオーディオフレーム１０４２は、サンプル６００からサンプル９９９まで及び、第３の変換領域オーディオフレーム１０５２は、サンプル８００からサンプル１１９９まで及び、第４の変換領域オーディオフレーム１０６２は、サンプル１０００からサンプル１３９９まで及ぶ。図に示すように、第２の変換領域オーディオフレーム１０２２および第１のＡＣＥＬＰオーディオフレーム１０３２のゼロ以外の部分の間（サンプル５００および６００との間）に時間的オーバーラップがある。同様に、第２のＡＣＥＬＰオーディオフレーム１０４２のゼロ以外の部分および第３の変換領域オーディオフレーム１０５２の間（サンプル８００および９００との間）にオーバーラップがある。

前方向エイリアシング除去信号１０７０（点線で示され、短く言えばＦＡＣで表される）は、第２の変換領域オーディオフレーム１０２２から第１のＡＣＥＬＰオーディオフレーム１０３２への遷移で、更には、第２のＡＣＥＬＰオーディオフレーム１０４２から第３の変換領域オーディオフレーム１０５２への遷移で供給される。

図１０から分かるように、それら遷移は、点線で示される前方向エイリアシング除去１０７０、１０７２（ＦＡＣ）を用いて、完全な再構成（または、少なくともおよそ完全な再構成）を可能にする。前方向エイリアシング除去窓１０７０、１０７２の形状が、ただの説明図であって、正しい値を反映しない点に留意する必要がある。対称な窓（例えばサイン窓）に関して、このテクニックは、ＭＰＥＧ統合音声音響符号化（ＵＳＡＣ）においても使用されるテクニックと類似している、または同一でさえある。

３．３．モード遷移の窓掛け−第１のオプション
以下に、変換領域モードで符号化されたオーディオフレームおよびＡＣＥＬＰモードで符号化されたオーディオフレーム間の遷移のための第１のオプションは、図１１および図１２を参照して説明される。

図１１は、低遅延統合音声音響符号化（ＵＳＡＣ）のための第１のオプションによる窓掛けの略図を示す。図１１は、Ｇ．７１８分析窓（実線）、ＡＣＥＬＰ（正方形という特徴がある線）および前方向エイリアシング除去（点線）のシーケンスのグラフ表現を示す。

図１１において、横座標１１１０は、（時間領域）オーディオサンプルに関する時間を示し、縦座標１１１２は、正規化窓値を示す。変換領域モードで符号化される第１のオーディオフレームは、サンプル０〜３９９に及び、参照番号１１２２で示される。変換領域モードで符号化され、サンプル２００〜５９９に及ぶ第２のオーディオフレームは、１１３２で示される。ＡＣＥＬＰモードで符号化される第３のオーディオフレームは、オーディオサンプル４００〜７９９に及び、１１４２で示される。ＡＣＥＬＰモードでも符号化され、サンプル６００〜９９９に及ぶ第４のオーディオフレームは、１１５２で示される。オーディオサンプル８００〜１１９９に及ぶ第５のオーディオフレームは、変換領域モードで符号化されて、１１６２で示される。変換領域モードで符号化され、オーディオサンプル１０００〜１３９９に及ぶ第６のオーディオフレームは、１１７２で示される。

図に示すように、第１のオーディオフレーム１１２２のオーディオサンプルは、例えば、図５に示されたＧ．７１８分析窓５２０と同一でありうるＧ．７１８分析窓１１２０を使用して、窓を掛けられる。同様に、第２のオーディオフレーム１１３２のオーディオサンプル（時間領域サンプル）は、図１１に示すように、サンプル２００と３５０との間にＧ．７１８分析窓１１２０を有するゼロ以外のオーバーラップ領域を含むＧ．７１８分析窓１１３０を使用して窓を掛けられる。オーディオフレーム１１４２のために、５００および７００間のサンプルインデックスを有するオーディオサンプルのブロックは、ＡＣＥＬＰモードで符号化される。しかし、４００および５００間に、更には７００および８００間にサンプルインデックスを有するオーディオサンプルは、第３のオーディオフレーム１１４２に関連したＡＣＥＬＰパラメータ（代数符号励振情報および線形予測領域パラメータ情報）において考慮されない。このように、第３のオーディオフレーム１１４２に関連したＡＣＥＬＰ情報（代数符号励振情報１４４および線形予測領域パラメータ情報１４６）は、５００および７００間にサンプルインデックスを有するオーディオサンプルの再構成を単に可能にするだけである。同様に、７００および９００間のサンプルインデックスを有するオーディオサンプルのブロックは、第４のオーディオフレーム１１５２に関連したＡＣＥＬＰ情報で符号化される。換言すれば、ＡＣＥＬＰモードで符号化されるオーディオフレーム１１４２、１１５２のために、各オーディオフレーム１１４２、１１５２の中央に、オーディオサンプルの時間的に限定されたブロックだけが、ＡＣＥＬＰ符号化において考慮される。対照的に、拡張した左側ゼロ部分（例えば約１００サンプル）および拡張した右側ゼロ部分（例えば約１００のサンプル）は、ＡＣＥＬＰモードで符号化されたオーディオフレームのためのＡＣＥＬＰ符号化において考慮されないままにされる。このように、オーディオフレームのＡＣＥＬＰ符号化が、約２００のゼロ以外の時間領域サンプル（例えば、第３のフレーム１１４２のためのサンプル５００〜７００および第４のフレーム１１５２のためのサンプル７００〜９００）を符号化する点に留意する必要がある。対照的に、多数のゼロ以外のオーディオサンプルは、変換領域モードにおいて、オーディオフレームごとに符号化される。例えば、約３５０個のオーディオサンプルは、変換領域モードで符号化されたオーディオフレームのために符号化される（例えば第１のオーディオフレーム１１２２のためのオーディオサンプル０〜３４９および第２のオーディオフレーム１１３２のためのオーディオサンプル２００〜５４９）。さらに、Ｇ．７１８分析窓１１６０は、第５のオーディオフレーム１１６２の変換領域符号化のために時間領域サンプルに窓を掛けるように適用される。Ｇ．７１８分析窓１１７０は、第６のオーディオフレーム１１７２の変換領域符号化のために時間領域サンプルに窓を掛けるように適用される。

図に示すように、Ｇ．７１８分析窓１１３０の右側遷移スロープ（ゼロ以外の部分）は、第３のオーディオフレーム１１４２のために符号化された（ゼロ以外の）オーディオサンプルのブロック１１４０と時間的にオーバーラップする。しかし、Ｇ．７１８窓１１３０の右側遷移スロープが、次のＧ．７１８分析窓の左側遷移スロープとオーバーラップしないことは、結果として時間領域エイリアシング成分の発生に結びつく。しかし、この種の時間領域エイリアシング成分は、前方向エイリアシング除去窓掛け（ＦＡＣ窓１１３６）を使用して測定されて、エイリアシング除去情報１６４の形で符号化される。換言すれば、変換領域モードで符号化されたオーディオフレームおよびＡＣＥＬＰモードで符号化された次のオーディオフレームからの遷移で現れる時間領域エイリアシングは、ＦＡＣ窓１１３６を使用して測定され、エイリアシング除去情報１６４を得るために符号化される。ＦＡＣ窓１１３６は、誤差計算１７２において、または、オーディオ信号符号器１００の誤差符号化１７４において適用されうる。このように、エイリアシング除去情報１６４は、符号化された形で、第２のオーディオフレーム１１３２から第３のオーディオフレーム１１４２への遷移で現れるエイリアシングを示すことができる。ここで、前方向エイリアシング除去窓１１３６は、エイリアシング（例えばオーディオ信号符号器において得られたエイリアシングの推定値）に重み付けするために使用されることができる。

同様に、エイリアシングは、ＡＣＥＬＰモードで符号化された第４のオーディオフレーム１１５２から変換領域モードで符号化された第５のオーディオフレーム１１６２への遷移で現れうる。しかし、Ｇ．７１８分析窓１１６２の左側遷移部分が、前のＧ．７１８分析窓の右側遷移スロープとオーバーラップしないが、むしろＡＣＥＬＰモードで符号化された時間領域オーディオサンプルのブロックとオーバーラップすることによって生じるこの遷移のエイリアシングは、エイリアシング除去情報１６４を得るために、（例えば、合成結果計算１７０および誤差計算１７２を使用して）測定され、例えば、誤差符号化１７４を使用して、符号化される。エイリアシング信号の符号化１７４において、前方向エイリアシング除去窓１１５６は、適用されうる。

要約すると、エイリアシング除去情報は、第２のフレーム１１３２から第３のフレーム１１４２への遷移で、更に、第４のフレーム１１５２から第５のフレーム１１６２への遷移で選択的に供給される。

更に要約すると、図１１は、低遅延統合音声音響符号化のための第１のオプションを示す。図１１は、Ｇ．７１８分析窓（実線）、ＡＣＥＬＰ（正方形という特徴がある線）およびＦＡＣ（点線）のシーケンスを示す。Ｇ．７１８窓のような非対称の窓に関して、ＦＡＣとの組み合わせが従来の構想に関して重要な改良をもたらすことを分かった。特に、符号化遅延、オーディオ品質および符号化効率の間のより良いトレードオフが達成される。

図１２は、図１１に記載の構想に対応する合成のためのシーケンスのグラフ表現を示す。換言すれば、図１２は、図３に記載のオーディオ信号復号器３００において使用されることができるフレーミングおよび窓掛けのグラフ表現を示す。

横座標１２１０は、（時間領域）オーディオサンプルに関する時間を示し、縦座標１２１２は、正規化窓値を示す。変換領域モードで符号化される第１のオーディオフレーム１２２２は、オーディオサンプル０〜３９９に及び、変換領域モードで符号化される第２のオーディオフレーム１２３２は、オーディオサンプル２００〜５９９に及び、ＡＣＥＬＰモードで符号化される第３のオーディオフレーム１２４２は、オーディオサンプル４００〜７９９に及び、ＡＣＥＬＰモードで符号化される第４のオーディオフレーム１２５２は、オーディオサンプル６００〜９９９に及び、変換領域モードで符号化される第５のオーディオフレーム１２６２は、オーディオサンプル８００〜１１９９に及び、そして、変換領域モードで符号化される第６のオーディオフレーム１２７２は、オーディオサンプル１０００〜１３９９に及ぶ。周波数領域−時間領域変換４２３、４５１、４８４によって第１のオーディオフレーム１２２２のために供給されたオーディオサンプルは、図６に記載のＧ．７１８合成窓６２０と同一でありえる第１のＧ．７１８合成窓１２２０を使用して、窓を掛けられる。同様に、第２のオーディオフレーム１２３２のために供給されたオーディオサンプルは、Ｇ．７１８合成窓１２３０を使用して窓を掛けられる。したがって、０および３９９間のオーディオサンプルインデックスを有するオーディオサンプル、または、より正確に言うと、５０および３９９との間にオーディオサンプルインデックスを有するゼロ以外のオーディオサンプルは、第１のオーディオフレーム１２２２に関して（すなわち、第１のオーディオフレーム１２２２に関連したスペクトル係数３２２のセットおよび第１のオーディオフレーム１２２２に関連したノイズシェーピング情報３２４に基づいて）供給される。同様に、２００および５９９間のオーディオサンプルインデックスを有するオーディオサンプルは、第２のオーディオフレーム１２３２（２５０および５９９間のサンプルインデックスを有するゼロ以外のオーディオサンプルによって）のために供給される。このように、第１のオーディオフレーム１２２２のために供給された（ゼロ以外の）オーディオサンプル間、および、第２のオーディオフレーム１２３２を供給された（ゼロ以外の）オーディオサンプル間に時間的オーバーラップがある。第１のオーディオフレーム１２２２のために供給されたオーディオサンプルは、第２のオーディオフレーム１２３２のために供給されたオーディオサンプルによってオーバーラップ加算され、このことによりエイリアシングを除去する。しかし、（第２のオーディオフレーム１２３２のために供給される）２００および５９９間のオーディオサンプルインデックスを有するオーディオサンプルは、第２のＧ．７１８合成窓１２３０を使用して、窓を掛けられる。一般的にはＡＣＥＬＰ符号化のためであるが、ＡＣＥＬＰモードで符号化される第３のオーディオフレーム１２４２のために、（ゼロでない）時間領域オーディオサンプルは、限られたブロック１２４０の範囲にだけ供給される。しかし、第２のオーディオフレーム１２３２を供給され、Ｇ．７１８合成窓１２３０の右側遷移スロープを使用して窓を掛けた時間領域サンプルは、（ゼロでない）時間領域サンプルがＡＣＥＬＰパス３４０によって供給されるブロック１２４０によって定められた時間領域に及ぶ。しかし、ＡＣＥＬＰパス３４０によって供給された時間領域サンプルは、Ｇ．７１８合成窓１２３０の右窓半分の範囲内でエイリアシングを除去するのに十分でない。しかし、エイリアシング除去信号は、変換領域モードで符号化された第２のフレーム１２３２からＡＣＥＬＰモードで符号化された第３のオーディオフレーム１２４２への遷移で（すなわち、サンプル４００からサンプル５９９まで及ぶ第２のオーディオフレーム１２３２および第３のオーディオフレーム１２４２間のオーバーラップ領域の範囲内で、または、少なくとも前記オーバーラップ領域の部分の範囲内で）エイリアシングを除去して供給される。エイリアシング除去信号は、符号化されたオーディオコンテンツを示しているビットストリームから抽出されうるエイリアシング除去情報３６２に基づいて供給される。エイリアシング除去情報は、復号され（ステップ３７０）、エイリアシング除去信号は、復号化エイリアシング除去情報３６２に基づいて再構成される（ステップ３７２）。前方向エイリアシング除去窓１２３６は、エイリアシング除去信号３６４の再構成において適用される。したがって、エイリアシング除去は、変換領域モードで符号化された第２のオーディオフレーム１２３２およびＡＣＥＬＰモードで符号化された第３のオーディオフレーム１２４２間の遷移でのエイリアシングを低減する、または取り除きさえする。エイリアシングが変換領域で符号化された次のオーディオフレームの（窓を掛けた）時間領域サンプルによって（遷移の非存在下で）通常除去される。

第４のオーディオフレーム１２５２は、ＡＣＥＬＰモードで符号化される。したがって、時間領域サンプルのブロック１２５０は、第４のオーディオフレーム１２５２のために供給される。しかし、ゼロ以外のオーディオサンプルがＡＣＥＬＰブランチ３４０によって第４のオーディオフレーム１２５２の中心部のために供給されるだけである点に留意する必要がある。加えて、拡張した左側ゼロ部分（オーディオサンプル６００〜７００）および拡張した右側ゼロ部分（オーディオサンプル９００〜１０００）は、第４のオーディオフレーム１１５２のためのＡＣＥＬＰパスによって供給される。

第５のオーディオフレーム１２６２のために供給された時間領域表現は、Ｇ．７１８合成窓１２６０を使用して窓を掛けられる。Ｇ．７１８合成窓１２６０の左側ゼロ以外の部分（遷移スロープ）は、ゼロ以外のオーディオサンプルが第４のオーディオフレーム１２５２のためのＡＣＥＬＰパス３４０によって供給される時間部分と時間的にオーバーラップする。このように、第４のオーディオフレーム１２５２のためのＡＣＥＬＰパス３４０によって供給されたオーディオサンプルは、第５のオーディオフレーム１２６２のための変換領域パスによって供給されたオーディオサンプルによってオーバーラップ加算される。

加えて、エイリアシング除去信号３６４は、エイリアシング除去情報３６２に基づいて、エイリアシング除去信号供給器３６０によって、第４のオーディオフレーム１２５２から第５のオーディオフレーム１２６２（例えば、第４のオーディオフレーム１２５２および第５のオーディオフレーム１２６２間の時間的オーバーラップの間）への遷移で供給される。エイリアシング除去信号の再構成において、エイリアシング除去窓１２５６は、適用されうる。したがって、エイリアシング除去信号３６４は、第４のオーディオフレーム１２５２の、そして、第５のオーディオフレーム１２６２の時間領域サンプルをオーバーラップ加算する可能性を維持すると共に、エイリアシングを除去するようにうまく適合される。

３．４．モード遷移の窓掛け−第２のオプション
以下に、様々なモードで符号化されたオーディオフレーム間の遷移の修正された窓掛けについて説明する。

図１３および図１４に記載の窓掛け方式が変換領域モードからＡＣＥＬＰモードへの遷移における図１１および図１２に記載の窓掛け方式と同一である点に留意する必要がある。しかし、図１３および図１４に記載の窓掛け方式は、ＡＣＥＬＰモードから変換領域モードへの遷移では、図１１および図１２に記載の窓掛け方式とは異なる。

図１３は、低遅延統合音声音響符号化のための第２のオプションのグラフ表現を示す。図１３は、Ｇ．７１８分析窓（実線）、ＡＣＥＬＰ（正方形という特徴がある線）および前方向エイリアシング除去（点線）のシーケンスのグラフ表現を示す。

前方向エイリアシング除去は、変換コーダからＡＣＥＬＰへの遷移にのみ使用される。ＡＣＥＬＰから変換符号器への遷移のために、長方形の窓形状は、変換符号化モードへの遷移窓の左側に使用される。

ここで図１３を参照して、横座標１３１０は、時間領域オーディオサンプルに関する時間を示し、縦座標１３１２は、正規化窓値を示す。第１のオーディオフレーム１３２２は、変換領域モードで符号化され、第２のオーディオフレーム１３３２は、変換領域モードで符号化され、第３のオーディオフレーム１３４２は、ＡＣＥＬＰモードで符号化され、第４のオーディオフレーム１３５２は、ＡＣＥＬＰモードで符号化され、第５のオーディオフレーム１３６２は、変換領域モードで符号化され、そして、第６のオーディオフレーム１３７２は、同様に変換領域モードで符号化される。

第１のフレーム１３２２の、第２のフレーム１３３２の、そして、第３のフレーム１３４２の符号化が、図１１に関して説明された第１のフレーム１１２２の、第２のフレーム１１３２の、そして、第３のフレーム１１４２の符号化と同一である点に留意する必要がある。しかし、図１３に示すように、第４のオーディオフレーム１３５２の中心部１３５０のオーディオサンプルが、ＡＣＥＬＰブランチ１４０だけを使用して符号化される点に留意する必要がある。換言すれば、７００および９００間のサンプルインデックスを有する時間領域サンプルは、第４のオーディオフレーム１３５２のＡＣＥＬＰ情報１４４、１４６の供給のために考慮される。第５のオーディオフレーム１３６２と関連した変換領域情報１２４、１２６の供給のために、専用の遷移分析窓１３６０は、（例えば、窓掛け２２１、２６３、２８３のための）時間領域−周波数領域変換器１３０において適用される。したがって、ＡＣＥＬＰ符号化モードから変換領域符号化モードへの遷移の前の第４のオーディオフレーム１３５２を符号化するときに、ＡＣＥＬＰパス１４０によって符号化される時間領域サンプルは、変換領域パス１２０を使用して第５のオーディオフレーム１３６２を符号化するときに、考慮に入れないままにされる。

専用の遷移分析窓１３６０は、（いくつかの実施形態では、ステップ増加でありえ、そして、いくつかの他の実施形態では、非常に急な増加でありえる）左側遷移スロープと、一定の（ゼロでない）窓部分と、右側遷移スロープとを含む。しかし、専用の遷移分析窓１３６０は、オーバーシュート部分を含まない。むしろ、専用の遷移分析窓１３６０の窓値は、Ｇ．７１８分析窓の１の窓中心値に制限される。また、専用の遷移分析窓１３６０の右窓半分または右側遷移スロープが、他のＧ．７１８分析窓の右窓半分または右側遷移スロープと同一でありえることも留意すべきである。

第５のオーディオフレーム１３６２に続く第６のオーディオフレーム１３７２は、第１のオーディオフレーム１３２２および第２のオーディオフレーム１３３２の窓掛けのための使用されるＧ．７１８分析窓１３２０、１３３０と同一であるＧ．７１８分析窓１３７０を使用して窓を掛けられる。特に、Ｇ．７１８分析窓１３７０の左側遷移スロープは、専用の遷移分析窓１３６０の右側遷移スロープと時間的にオーバーラップする。

上記を要約すると、専用の変移窓１３６０は、ＡＣＥＬＰ領域に符号化された前のオーディオフレームに続く変換領域で符号化されたオーディオフレームの窓掛けのために適用される。この場合、ＡＣＥＬＰ領域で符号化された前のフレーム１３５２のオーディオサンプル（例えば７００および９００間のサンプルインデックスを有するオーディオサンプル）は、専用の遷移分析窓１３６０の形状のため、変換領域に符号化された次のフレーム１３６２の符号化を考慮に入れないままにされる。この目的のために、専用の遷移分析窓１３６０は、ＡＣＥＬＰモードで符号化されたオーディオサンプルのための（例えば、ＡＣＥＬＰブロック１３５０のオーディオサンプルのための）ゼロ部分を含む。

したがって、ＡＣＥＬＰモードから変換領域モードへの遷移でのエイリアシングはない。しかし、専用の窓種類、すなわち、専用の遷移分析窓１３６０は、適用されなければならない。

ここで、図１４を参照して、図１３に関して述べられた符号化構想に適合される復号化構想は説明される。

図１４は、図１３による分析に対応する合成のためのシーケンスのグラフ表現を示す。換言すれば、図１４は、図３によるオーディオ信号復号器３００において使用されうる合成窓のシーケンスのグラフ表現を示す。横座標１４１０は、オーディオサンプルに関する時間を示し、縦座標１４１２は、正規化窓値を示す。第１のオーディオフレーム１４２２は、変換領域モードで符号化され、Ｇ．７１８合成窓１４２０を使用して復号され、第２のオーディオフレーム１４３２は、変換領域モードで符号化され、Ｇ．７１８合成窓１４３０を使用して復号され、第３のオーディオフレーム１４４２は、ＡＣＥＬＰモードで符号化され、ＡＣＥＬＰブロック１４４０を得るために復号され、第４のオーディオフレーム１４５２は、ＡＣＥＬＰモードで符号化され、ＡＣＥＬＰブロック１４５０を得るために復号され、第５のオーディオフレーム１４６２は、変換領域モードで符号化され、専用の遷移合成窓１４６０を使用して復号され、そして、第６のオーディオフレーム１４７２は、変換領域モードで符号化され、Ｇ．７１８合成窓１４７０を使用して復号される。

第１のオーディオフレーム１４２２の、第２のオーディオフレーム１４３２の、そして、第３のオーディオフレーム１４４２の復号化が、図１２に関して説明されたオーディオフレーム１２２２、１２３２、１２４２の復号化と同一である点に留意する必要がある。しかし、ＡＣＥＬＰモードで符号化された第４のオーディオフレーム１４５２から変換領域モードで符号化された第５のオーディオフレーム１４６２への遷移の復号化は、異なる。

専用の遷移合成窓１４６０は、専用の遷移合成窓１４６０が、ＡＣＥＬＰパス３４０によって与えられる（ゼロでない）オーディオサンプルのためにゼロ値をとるように、専用の遷移合成窓１４６０の左窓半分が構成されるという点で、Ｇ．７１８合成窓１２６０と異なる。換言すれば、専用の遷移合成窓１４６０は、ゼロ値を含み、その結果、変換領域パス３２０は、ＡＣＥＬＰパスがゼロ時間領域サンプルを（すなわちブロック１４５０に）供給するサンプル時間インスタンスに、ゼロ時間領域サンプルを供給するだけである。したがって、オーディオフレーム１４５２のためのＡＣＥＬＰパスによって供給された（ゼロでない）時間領域サンプル（ゼロ以外の時間領域サンプル１４５０のブロック）およびオーディオフレーム１４６２のための変換領域パス３２０によって供給された時間領域サンプル間のオーバーラップは、回避される。

さらに、左側ゼロ部分（サンプル８００〜８９９）に加えて、専用の遷移合成窓１４６０は、窓値が（例えば、１の）中心窓値をとる左側の一定の部分（サンプル９００〜９９９）を含む点に留意する必要がある。したがって、エイリアシングアーチファクトは、専用の遷移合成窓２６０の左側部分で、回避される、または少なくとも低減される。好ましくは、専用の遷移合成窓１４６０の右側の窓半分は、Ｇ．７１８合成窓の右側の窓半分と同一である。

上記を要約すると、専用の遷移合成窓２６０は、変換領域モードで符号化され、ＡＣＥＬＰモードで符号化された前のオーディオフレームに続くオーディオフレームのための変換領域パス３２０を使用して、変換領域モードで符号化されたオーディオコンテンツの部分の時間領域表現３２６を供給するときに、窓掛け４２４、４５２、４８５に使用される。専用の遷移合成窓１４６０は、例えば、窓の左半分（サンプル８００〜８９９）の５０％を形成しうる左側ゼロ部分、および専用の遷移合成窓１４６０（サンプル９００〜９９９）の左半分の残りの５０％（＋／−１のサンプル）を形成しうる左側の一定の部分を含む。専用の遷移合成窓１４６０の右半分は、Ｇ．７１８合成窓の右半分と同一でありえ、オーバーシュート部分および右側遷移スロープを含みうる。したがって、ＡＣＥＬＰモードで符号化されたフレーム１４５２および変換領域モードで符号化されたフレーム１４６２間のエイリアシングのない遷移が得られうる。

更にまとめると、図１３は、低遅延統合音声音響符号化のための第２のオプションを示す。図１３は、Ｇ．７１８分析窓（実線）、ＡＣＥＬＰ（正方形という特徴がある線）および前方向エイリアシング除去（点線）のシーケンスのグラフ表現を示す。前方向エイリアシング除去は、変換コーダ（変換領域パス）からＡＣＥＬＰ（ＡＣＥＬＰパス）への遷移にだけ使用される。ＡＣＥＬＰから変換コーダへの遷移のために、方形の（またはステップ状の）窓形状（例えばサンプル８００〜９９９）は、変換符号化モードへの遷移窓１３６０の左側に使用される。

図１４は、図１３の分析に対応する合成のためのシーケンスのグラフ表現を示す。

３．５．オプションに関する議論
両方のオプション（すなわち図１１および図１２によるオプションと、図１３および図１４によるオプション）が、低遅延統合音声音響符号化の開発において、現在考えられる。（図１１および図１２による）第１のオプションは、より良い周波数応答を有する同じ窓が変換符号化の全てのブロックに使用されるという利点がある。しかし、不利な点は、追加データ（例えば前方向エイリアシング除去情報）がＦＡＣ部分のために符号化されなければならないということである。

第２のオプションは、追加データがＡＣＥＬＰから変換コーダへの遷移の前方向エイリアシング除去（ＦＡＣ）に必要とならないという利点がある。これは、特に一定のビットレートが必要である場合に利点がある。しかし、不利な点は、遷移窓（１３６０または１４６０）の周波数応答が通常の窓（１３２０，１３３０，１３７０；１４２０，１４３０，１４７０）のそれより悪いということである。

３．６．モード遷移の窓掛け−第３のオプション
以下に、他のオプションについて述べる。第３のオプションは、ＡＣＥＬＰへの変換コーダの遷移にも長方形窓を使用することである。しかし、変換コーダおよびＡＣＥＬＰ間の決定が、１フレーム前に知られていなければならないので、この第３のオプションによって付加的な遅延が生じる。このように、このオプションは、低遅延統合音声音響符号化には最適でない。にもかかわらず、第３のオプションは、遅延がそれほど関連がないいくつかの実施形態において使用されることができる。

４．他の実施形態
４．１．概要
以下に、低遅延を有する統合音声音響符号化（ＵＳＡＣ）のための他の新しい符号化方式について説明する。具体的には、それは、周波数領域符復号化ＡＡＣ―ＥＬＤと時間領域符復号化ＡＭＲ−ＷＢまたはＡＭＲ−ＷＢ＋との間の切り替えに基づきうる。システム（または、本発明による実施形態）は、オーディオ符復号器およびオーディオ符復号化との間の内容に依存した切り替えの効果を維持し、その一方で、遅延を通信応用のために十分に低く保つ。ＡＡＣ―ＥＬＤにおいて使用された低遅延フィルタバンク（ＬＤ―ＭＤＣＴ）は、遷移窓によって利用されて、訂正される。そして、それは、ＡＡＣ―ＥＬＤと比較していかなる付加的な遅延も生じさせずに、時間領域符復号化へ／からクロスフェードを可能にする。

以下において説明された構想が図１によるオーディオ信号符号器１００において、および／または、図３によるオーディオ信号復号器３００において使用されることができる点に留意する必要がある。

４．２．参照実施例１：統合音声音響符号化（ＵＳＡＣ）
いわゆるＵＳＡＣ符復号化は、音楽モードおよび音声モードとの間に切り替えを可能にする。音楽モードにおいて、先進的音響符号化（ＡＡＣ）と同様のＭＤＣＴベースのコーデックが利用される。音声モードにおいて、アダプティブ・マルチ・レート・ワイドバンド＋（ＡＭＲ−ＷＢ＋）と同様の符復号化が利用され、それは、ＵＳＡＣ符復号化の「ＬＰＤ−モード」と呼ばれている。以下で説明するように、２つのモード間で滑らかで効率的な遷移を可能にするためには特別な注意が払われる。

以下に、ＡＡＣからＡＭＲ−ＷＢ＋への遷移のための構想について説明される。この構想を使用して、右側の時間領域エイリアシングなしであるが、ＡＭＲ−ＷＢ＋に切り替える前の最後のフレームは、先進的音響符号化（ＡＡＣ）の「開始」窓と同様の窓によって窓を掛けられる。６４サンプルの遷移領域は利用できる。ここで、ＡＡＣ符号化されたサンプルがＡＭＲ−ＷＢ＋符号化されたサンプルにクロスフェードされる。これを図１５に示す。図１５は、統合音声音響符号化におけるＡＡＣからＡＭＲ−ＷＢ＋への遷移で使用された窓のグラフ表現を示す。横座標１５１０は、時間を示し、縦座標１５１２は、窓値を示す。詳細は、図１５を参照されたい。

以下に、ＡＭＲ−ＷＢ＋からＡＡＣへの遷移のための構想について、簡潔に説明する。先進的音響符号化（ＡＡＣ）へ切り替わるときに、第１のＡＡＣフレームは、ＡＡＣの「停止」窓と同じ窓によって窓を掛けられる。このようにして、時間領域エイリアシングは、クロスフェード範囲に生じて、それは、時間領域符号化ＡＭＲ−ＷＢ＋信号において、対応するネガティブ時間領域エイリアシングを意図的に付け加えることによって除去される。これは、ＡＭＲ−ＷＢ＋からＡＡＣへの遷移のための構想のグラフ表現を示す図１６に示される。横座標１６１０は、オーディオサンプルに関する時間を示し、縦座標１６１２は、窓値を示す。詳しくは、図１６を参照されたい。

４．３．参照実施形態２：ＭＰＥＧ―４
超低遅延ＡＡＣ（ＡＡＣ―ＥＬＤ）いわゆる「超低遅延ＡＡＣ」（更に短く言えば「ＡＡＣ―ＥＬＤ」、または「超低遅延先進的音響符号化」と表される）符復号化は、「ＬＤ―ＭＤＣＴ」とも呼ばれている、変形離散コサイン変換（ＭＤＣＴ）の特別な低遅延特色に基づく。ＬＤ―ＭＤＣＴにおいて、ＭＤＣＴのための２のファクターの代わりに、オーバーラップは、４のファクターまで拡張される。これは、オーバーラップが非対称方法で付け加えられ、それが過去からサンプルを利用するだけであるので、付加的な遅延なしで達成される。一方では、将来に対する先読み（ｌｏｏｋ−ａｈｅａｄ）は、分析窓の右側のいくつかのゼロ値によって低減される。分析および合成窓は、図１７および図１８において示される。図１７は、ＡＡＣ―ＥＬＤのＬＤ―ＭＤＣＴの分析窓のグラフ表現を示し、図１８は、ＡＡＣ―ＥＬＤのＬＤ―ＭＤＣＴの合成窓のグラフ表現を示す。図１７において、横座標１７１０は、オーディオサンプルに関する時間を示し、縦座標１７１２は、窓値を示す。線１７２０は、分析窓の窓値を示す。図１８において、横座標１８１０は、オーディオサンプルに関する時間を示し、縦座標１８１２は、窓値を示し、線１８２０は、合成窓を示す。

ＡＡＣ―ＥＬＤ符号化は、この窓だけを利用して、遅延を生じさせるであろう窓形状またはブロック長の切り替えを利用しない。この１つの窓（例えばオーディオ信号符号器の場合の図１７による分析窓１７２０、およびオーディオ信号復号器の場合の図１８による合成窓１８２０）は、定常および瞬間的信号の両方に関して、いかなる種類のオーディオ信号にもうまく機能する。

４．４．参照実施例に関する議論
以下に、セクション４．２および４．３において説明された参考例に関する短い議論が提供される。

ＵＳＡＣ符復号化は、オーディオ符復号器およびスピーチ符復号化との間に切り替えを可能にするが、この切り替えは遅延を生じさせる。音声モードへの遷移を実行するのに必要な遷移窓があるので、先読みは、続くフレームが音声のようなものであるかを測定するために必要である。もしそうなら、現在のフレームは、遷移窓によって窓を掛けられなければならない。このように、この構想は、低遅延を有する符号化システムに適切ではなく、それは通信アプリケーションのために必要である。

ＡＡＣ―ＥＬＤ符復号化は、通信アプリケーションのために低遅延を可能にするが、低ビットレートで符号化された音声信号に関しては、この符復号化の性能は、同様に低遅延を有する専用の音声符復号化（例えばＡＭＲ−ＷＢ）のそれより遅れる。

従って、この状況からみて、音声および音楽信号が利用できる最も効率的な符号化モードがあるために、ＡＡＣ―ＥＬＤと音声符復号化との間で切り替わることが望ましいことが分かっている。

この切り替えがシステムにいかなる付加的な遅延も理想的に付加しないべきであることも分かった。ＡＡＣ―ＥＬＤにおいて用いられているように、ＬＤ―ＭＤＣＴのために、音声符復号化へのこの種の切り替えが直接の方法で可能でないことが分かった。音声セグメントのＬＤ―ＭＤＣＴ窓によってカバーされた全ての時間領域部を符号化する解決法が、ＬＤ―ＭＤＣＴの４倍の（４×）オーバーラップによって、結果として巨大なオーバーヘッドになることをも分かった。周波数領域符号化されたサンプル（例えば５１２の周波数値）の１つのフレームを交換するために、４×５１２の時間領域サンプルは、時間領域符号器において符号化されなければならない。

この状況を考慮して、符号化効率、遅延およびオーディオ品質の間のより良いトレードオフを供給する構想を生み出したいという要望がある。

４．５．図１９〜図２３ｂに記載の窓掛け構想
以下に、ＡＡＣ―ＥＬＤおよび時間領域符復号化との間に効率的なおよび遅延のない切り替えを可能にする本発明の実施形態によるアプローチについて説明する。

このセクションで示される提案されたアプローチにおいて、ＡＡＣ―ＥＬＤのＬＤ―ＭＤＣＴは、例えば、時間領域−周波数領域変換器１３０、または、周波数領域−時間領域変換器３３０において、利用されて、いかなる付加的な遅延も生じさせずに、時間領域符復号化に効率的な切り替えを可能にする遷移窓によって変更される。

窓シーケンス例が図１９に示される。図１９は、ＡＡＣ―ＥＬＤおよび時間領域符復号化との間の切り替えのための窓シーケンス例を示す。図１９において、横座標１９１０は、オーディオサンプルに関して時間を示し、縦座標１９１２は、窓値を示す。曲線の意味についての詳細に関しては、図１９のキャプションを参照されたい。

例えば、図１９は、ＬＤ―ＭＤＣＴ分析窓１９２０ａ〜１９２０ｅ、ＬＤ―ＭＤＣＴ合成窓１９３０ａ〜１９３０ｅ、時間領域符号化された信号のための重み付け１９４０および時間領域信号の時間領域エイリアシングのための重み付け１９５０ａ、１９５０ｂを示す。

以下に、分析窓掛けに関する詳細について、説明する。分析窓のシーケンスを更に説明するために、図２０は、合成窓のない同じシーケンス（または窓シーケンス）（例えば、同じ窓シーケンスが図１９に示される）を示す。横座標２０１０は、オーディオサンプルに関する時間を示し、縦座標２０１２は、窓値を示す。換言すれば、図２０は、ＡＡＣ―ＥＬＤおよび時間領域符復号化との間の切り替えのための分析窓シーケンス例を示す。線の意味についての詳細に関しては、図２０のキャプションを参照されたい。

図２０は、ＬＤ―ＭＤＣＴ分析窓２０２０ａ〜２０２０ｅ、時間領域符号化された信号のための重み付け２０４０、および時間領域信号の時間領域エイリアシングのための重み付け２０５０ａ、２０５０ｂを示す。

図２０において、そのシーケンスが、時間領域符復号化が占有する点まで（図１７に示すような）通常のＬＤ―ＭＤＣＴ窓２０２０ａ、２０２０ｂからなることが分かる。ＡＡＣ―ＥＬＤから時間領域符復号化への遷移のために必要な特別な遷移窓がない。このように、先読みは、時間領域符復号化へ切り替える決定に必要でなく、したがって、付加的な遅延は、必要でない。

時間領域符復号化からＡＡＣ―ＥＬＤへの遷移において、必要とされた特別な遷移窓２０２０ｃがあるが、（時間領域符号化された信号のための重み付け２０４０によって示された）時間領域符号化された信号とオーバーラップするこの窓の左部分だけが、通常のＡＡＣ―ＥＬＤ窓２０２０ａ、２０２０ｂ、２０２０ｄ、２０２０ｅと異なる。この遷移窓２０２０ｃは、図２１ａに示され、図２１ｂの通常のＡＡＣ―ＥＬＤ分析窓と比較される。

図２１ａは、時間領域符復号化からＡＡＣ―ＥＬＤへの遷移のための分析窓２０２０ｃのグラフ表現を示す。横座標２１１０は、オーディオサンプルに関して時間を示し、縦座標２１１２は、窓値を示す。

線２１２０は、窓の中の位置の関数として、分析窓２０２０ｃの窓値を示す。

図２１ｂは、通常のＡＡＣ―ＥＬＤ分析窓２０２０ａ、２０２０ｂ、２０２０ｄ、２０２０ｅ、２１７０（破線）と比較して、時間領域符復号化からＡＡＣ―ＥＬＤ（実線）への遷移のための分析窓２０２０ｃ、２１２０のグラフ表現を示す。横座標２１６０は、オーディオサンプルに関して時間を示し、縦座標２１６２は、（正規化）窓値を示す。

図２０の分析窓のシーケンスのために、遷移窓２０２０ｃに続くすべての分析窓が、遷移窓２０２０ｃのゼロ以外の部分の残った入力サンプルを使用するというわけではない点に更に留意される必要がある。これらの窓係数（または窓値）が、図２０においてプロットされるが、実際の処理において、それらは入力信号に適用されない。遷移窓２０２０ｃのゼロ以外の部分の残った分析窓掛け入力バッファをゼロにすることによって達成する。

以下に、合成窓掛けに関する詳細について、説明する。合成窓掛けは、上記のオーディオ復号器に使用されることができる。合成窓掛けのための、図２２は、対応するシーケンスを示す。そのシーケンスは、分析窓掛けの時間で反転されたバージョンに似ているように見えるが、遅延考慮のため、それは、ここで、いくつかの個々の記載に相当する。

換言すれば、図２２は、ＡＡＣ―ＥＬＤおよび時間領域符復号化との間に切り替えのための合成窓シーケンス例のグラフ表現を示す。線の意味についての詳細に関して、図２２のキャプションを参照されたい。

図２２において、横座標２２１０は、オーディオサンプルに関して時間を示し、縦座標２２１２は、窓値を示す。図２２は、ＬＤ―ＭＤＣＴ合成窓２２２０ａ〜２２２０ｅ、時間領域符号化された信号のための重み付け２２４０、および時間領域信号の時間領域エイリアシングのための重み付け２２５０ａ、２２５０ｂを示す。

ＡＡＣ―ＥＬＤから時間領域符復号化へ切り替える前に、図２３ａにおいて詳細にプロットされる１つの遷移窓２２２０ｃがある。しかし、この遷移窓２２２０ｃは、復号器のいかなる付加的な遅延も生じさせない。完成されるオーバーラップ加算のための、逆ＬＤ―ＭＤＣＴの時間領域出力の完全な再構成のための部分であるこの窓の左部分は、図２３ｂから分かるように、（例えば、合成窓（２２２０ａ、２２２０ｂ、２２２０ｄ、２２２０ｅ）の）通常のＡＡＣ―ＥＬＤ合成窓の左部分と同一である。分析窓シーケンスと同様に、遷移窓２２２０ｃのゼロ以外の部分の見える右である遷移窓２２２０ｃに先行する合成窓２２２０ａ、２２２０ｂの部分が、実際、出力信号に関与しない点にもここで留意されなければならない。実際の実施態様において、これは、遷移窓２２２０ｃのゼロ以外の部分までちょうど、これらの窓の出力をゼロにすることによって達成される。

時間領域符復号化からＡＡＣ―ＥＬＤまで逆に切り替わるときに、特別な窓は必要でない。通常のＡＡＣ―ＥＬＤ合成窓２２２０ｅは、ＡＡＣ―ＥＬＤ符号記号部のちょうど始まりから、使用されることができる。

図２３ａは、ＡＡＣ―ＥＬＤから時間領域符復号化への遷移のための合成窓２２２０ｃ、２３２０のグラフ表現を示す。図２３ａにおいて、横座標２３１０は、オーディオサンプルに関して時間を示し、縦座標２３１２は、窓値を示す。線２３２０は、理想的なサンプル位置の関数として、合成窓２２２０ｃの値を示す。

図２３ｂは、通常のＡＡＣ―ＥＬＤ合成窓２０２０ａ、２０２０ｂ、２０２０ｄ、２０２０ｅ、２３７０（破線）と比較して、ＡＡＣ―ＥＬＤから時間領域符復号化（実線）への遷移のための合成窓２２２０ｃのグラフ表現を示す。横座標２３６０は、オーディオサンプルに関して時間を示し、縦座標２３６２は、（正規化）窓値を示す。

以下に、時間領域符号記号の重み付けについて説明する。

図２０（分析窓シーケンス）および図２２（合成窓シーケンス）の両方に示されるが、時間領域符号化された信号の重み付けは、一回、そして、好ましくは時間領域符号化および復号化の後、すなわち復号器３００において、適用されるだけである。しかしながら、代わりに、符号器において、すなわち時間領域符号化の前に、または、符号器および復号器の両方において、適用もされうる。その結果、結果として生じる全体の重み付けは、図１９、図２０および図２２において使用された重み付け関数に対応する。

これらの図から、重み付け関数（ドットの付いた実線、線１９４０、２０４０、２２４０）によってカバーされた時間領域サンプルの全体の範囲が、入力サンプルの２つのフレームよりわずかに長いということが更に分かる。より正確に言うと、この例では、時間領域において符号化された２×Ｎ＋０．５×Ｎサンプルは、ＬＤ―ＭＤＣＴベースのコーデックによって符号化されていない（フレームごとにＮ個の新しい入力サンプルを有する）２つのフレームによって生じたギャップを埋めるために必要である。例えば、Ｎ＝５１２である場合、２×５１２＋２５６の時間領域サンプルは、２×５１２のスペクトル値の代わりに時間領域において符号化されなければならない。このように、半フレームだけのオーバーヘッドは、時間領域符復号化への切り替えおよび逆の切り替えによってもたらされる。

以下に、時間領域エイリアシングに関するいくつかの詳細について説明する。時間領域符復号化への遷移、および変換符復号化へ戻る遷移において、時間領域エイリアシングは、隣接したＬＤ―ＭＤＣＴ符号化されたフレームによって生じさせられた時間領域エイリアシングを除去するために、意図的に生じさせられる。例えば、時間領域エイリアシングは、エイリアシング除去信号供給器３６０によって生じさせられうる。ドットの付いた、１９５０ａ、１９５０ｂ、２０５０ａ、２０５０ｂ、２２５０ａ、２２５０ｂで表される破線は、この演算のための重み付け関数を示す。時間領域符号化された信号は、この重み付け関数で乗算されて、それから、時間反転された方法で、窓を掛けた時間領域信号に加算される／信号から減算される。

４．６．図２４に記載の窓掛け構想
以下に、遷移の長さの他の設計について、説明する。

図２０の分析シーケンスおよび図２２の合成シーケンスをより詳細に見てみて、遷移窓が必ずしも各々の時間反転されたバージョンでないことが分かる。合成遷移窓は、必ずしも各々の時間反転されたバージョンでない。合成遷移窓（図２３ａ）は、分析遷移窓（図２１ａ）より短いゼロ以外の部分を有する。分析および合成の両方のために、より短いバージョンだけでなく、より長いバージョンが可能で、それぞれに選択できる。しかし、それらは、いくつかの理由のため、（図２０および図２２に示すような）この方法で選択される。これに関して更に詳しく述べると、図２４においてプロットされるように、両方のバージョンに関する選択が異なってなされる。

図２４は、ＡＡＣ―ＥＬＤおよび時間領域符復号化との間に窓シーケンス切り替えのための遷移窓の他の選択のグラフ表現を示す。図２４において、横座標２４１０は、オーディオサンプルに関して時間を示し、縦座標２４１２は、窓値を示す。図２４は、ＬＤ―ＭＤＣＴ分析窓２４２０ａ〜２４２０ｅ、ＬＤ―ＭＤＣＴ合成窓２４３０ａ〜２４３０ｅ、時間領域符号記号のための重み付け２４４０、および時間領域信号の時間領域エイリアシングのための重み付け２４５０ａ〜２４５０ｂを示す。線種についての詳細に関して、図２４のキャプションを参照されたい。

図２４に示されるこの変形例において、ＡＡＣ―ＥＬＤから時間領域符復号化への遷移における時間領域エイリアシングのための重み付け関数が左まで及ぶことが分かる。これは、時間領域信号の付加的な部分が、ちょうど意図的な時間領域エイリアシング（または時間領域エイリアシング除去）のために必要であり、実際のクロスフェードのためには必要とされないことを意味する。これは、非効率的であり、不必要であると考えられる。従って、（図１９に示すように）より短い合成遷移窓、および対応してより短い時間領域エイリアシング領域の代わりの方法は、ＡＡＣ―ＥＬＤから時間領域符復号化への遷移に好ましい。

一方で、時間領域符復号化からＡＡＣ―ＥＬＤへの遷移に関して、（図１９と比較して）図２４におけるより短い分析遷移窓は、結果として、この窓のためのより悪い周波数応答になる。また、図１９におけるより長い時間領域エイリアシング領域は、この遷移においては、時間領域符復号化によって符号化されるいかなる付加的なサンプルも、これらのサンプルがいずれにしろ時間領域符復号化から利用可能であるので、必要としない。従って、（図１９のような）より長い遷移窓および対応してより長い時間領域エイリアシング領域の代わりの方法は、時間領域符復号化からＡＡＣ―ＥＬＤへの遷移に好ましい。

しかし、オーディオ符号器１００またはオーディオ復号器３００の図１９の窓掛け方式のアプリケーションが、いくつかの効果をもたらすようである場合であっても、符号器１００および復号器３００のいくつかの実施形態で、図２４に記載の窓掛け方式が適用されることができる点に留意する必要がある。

４．７．図２５に記載の窓掛け構想
以下に、時間領域信号の別の窓掛け、および別のフレーミングについて説明する。

これまで記載においては、時間領域信号は、時間領域符号化および復号化を適用した後に、一度だけ窓を掛けられるように考慮される。この窓掛け処理はまた、２つの段階に分けられ、１つは時間領域符号化の前であり、１つは時間領域復号化の後である。これは、ＡＡＣ―ＥＬＤから時間領域符復号化への遷移において、図２５に示される。

図２５は、時間領域信号の別の窓掛けおよび別のフレーミングのグラフ表現を示す。横座標２５１０は、オーディオサンプルに関して時間を示し、縦座標２５１２は、（正規化）窓値を示す。図２５は、ＬＤ―ＭＤＣＴ分析窓値２５２０ａ〜２５２０ｅ、ＬＤ―ＭＤＣＴ合成窓２５３０ａ〜２５３０ｄ、時間領域符復号化の前の窓掛けのための分析窓２５４２、時間領域符復号化の後のＴＤＡフォールディング／アンフォールディングおよび窓掛けのための合成窓２５５２、時間領域符復号化の後の第１のＭＤＣＴのための分析窓２５６２、および時間領域符復号化の後の第１のＭＤＣＴのための合成窓２５７２を示す。

図２５はまた、時間領域符復号化のフレーミングのための代わりの方法を示す。時間領域符復号化において、すべてのフレームは、遷移における臨界サンプリングでないために、サンプルを抜かすことを補償する必要なしで、同じ長さを有することができる。しかし、ＭＤＣＴ―符復号化は、他のＭＤＣＴフレーム（線２５６２および２５７２）より多くのスペクトル値を有する時間領域符復号化の後の第１のＭＤＣＴを有することによって、それを補償することを必要とするかもしれない。

全体として、図２５に示されるこの変形例は、統合音声音響符号化コーデック（ＵＳＡＣコーデック）に非常に類似しているが、はるかに小さい遅延を有する。

この変形例の更に小さい修正は、ＡＣＥＬＰからＴＣＸへ移るときにＡＭＲ−ＷＢ＋においてなされるように、長方形の遷移によって時間領域コーデックからＡＡＣ―ＥＬＤ（線２５４２、２５５２、２５６２、２５７２）への窓を掛けた遷移を交換することである。「時間領域符復号化」としてＡＭＲ−ＷＢ＋を使用しているコーデックにおいて、これは、ＡＣＥＬＰフレームの後に、ＡＣＥＬＰからＡＡＣ―ＥＬＤへの直接の遷移はないが、ＴＣＸフレームが常に間にあることも意味する。このようにして、この特定の遷移による潜在的付加的な遅延は除去され、全体のシステムは、ＡＡＣ―ＥＬＤの遅延と同程度に小さい遅延を有する。さらにまた、これは、ＡＣＥＬＰおよびＴＣＸが、同じＬＰＣフィルタリングを共有するので、音声状の信号の場合にはＡＡＣ―ＥＬＤへ戻る効率的な切り替えが、ＡＡＣ―ＥＬＤからＡＣＥＬＰへの切り替えよりも効率的であるので、切り替えを柔軟にする。

４．８．図２６に記載の窓掛け構想
以下に、時間領域コーデックにＴＤＡ信号を進めて、臨界サンプリングを達成する変形例について説明する。

図２６は、他の変化形を示す。より正確には、図２６は、時間領域コーデックにＴＤＡ信号を進めて、このことにより臨界サンプリングを達成するための変形例を示す。図２６において、横座標２６１０は、オーディオサンプルに関して時間を示し、縦座標２６１２は、（正規化）窓値を示す。図１２は、ＬＤ―ＭＤＣＴ分析窓２６２０ａ〜２６２０ｅ、ＬＤ―ＭＤＣＴ合成窓２６３０ａ〜２６３０ｅ、時間領域符復号化の前の窓掛けおよびＴＤＡのための分析窓２６４２ａ、および時間領域コーデックの後のＴＤＡアンフォールディングおよび窓掛けのための合成窓２６５２ａを示す。線についての詳細に関しては、図２６のキャプションを参照されたい。

この変化形において、時間領域コーデックのための入力信号は、ＬＤ―ＭＤＣＴとして同じ窓掛けおよびＴＤＡ機構によって処理され、時間領域エイリアシング信号は、時間領域コーデックに供給される。ＴＤＡを復号した後に、アンフォールディングおよび窓掛けは、時間領域コーデックの出力信号に適用される。

この変形例の利点は、臨界サンプリングが遷移において達成されるということである。不利な点は、時間領域コーデックが時間領域信号の代わりにＴＤＡ信号を符号化するということである。復号化されたＴＤＡ信号をアンフォールディングした後に、コーディング誤差はミラー化され、このようにプレエコーアーチファクトを引き起こしうる。

４．９．他の変形例
以下に、符号化および復号化の改良のために使用できるいくつかの更なる変形例について説明する。

ＭＰＥＧにおいて現在開発中のＵＳＡＣコーデックのために、ＡＡＣおよびＴＣＸ部分の一体化に関する努力が、継続している。この一体化は、前方向エイリアシング除去（ＦＡＣ）および周波数領域ノイズシェーピング（ＦＤＮＳ）の技術に基づく。これらの技術はまた、ＡＡＣ―ＥＬＤの低遅延を保つと共に、コーデックのようなＡＡＣ―ＥＬＤおよびＡＭＲ−ＷＢ＋との間の切り替えに関連して適用されることもできる。

この構想に関するいくつかの詳細は、図１〜図１４に関して述べられる。

以下に、いくつかの実施形態において適用されうる、いわゆる「リフティング実装」について簡潔に述べられる。ＡＡＣ―ＥＬＤのＬＤ―ＭＤＣＴは、効率的なリフティング構造に関して実施できる。ここで説明された遷移窓に関して、このリフティング実装はまた、利用でき、遷移窓は、単にリフティング係数のいくつかを省略することによって得られる。

５．可能な修正
上記の実施形態に関して、多くの修正が適用されることができる点に留意する必要がある。特に、異なる窓長は、要求事項に依存して選択されうる。また、窓のスケーリングは、修正されうる。当然、窓間のスケーリングは変換領域ブランチにあてはまった、そして、ＡＣＥＬＰブランチにおいて適用される窓掛けは変わることができる。また、いくつかの前処理ステップおよび／または後処理ステップは、本発明の一般の構想を修正せずに、上記の処理ブロックの入力で、更に、上記の処理ブロックとの間に、生じさせられうる。当然、他の修正もまた、なされうる。

６．インプリメンテーション代替策
いくつかの態様が、装置に関連して説明されたが、これらの態様はまた、対応する方法の記載を示すことが明らかである。ここで、ブロックまたはデバイスは、方法ステップまたは方法ステップの機能に対応する。類似して、方法ステップに関連して説明された態様もまた、対応するブロックまたは項目の記載または対応する装置の機能を示す。方法ステップの部分または全ては、（例えば、マイクロプロセッサ、プログラミング可能なコンピュータまたは電子回路のような）ハードウェア装置によって（または使用して）実行されうる。いくつかの実施形態では、最も重要な方法ステップの１つまたはそれ以上は、この種の装置によって実行されうる。

発明の符号化されたオーディオ信号は、デジタル記憶媒体に格納されることができるかまたは伝送媒体（例えば無線伝送媒体または有線伝送媒体（例えばインターネット））で送信されることができる。

特定の実現要求に応じて、本発明の実施形態は、ハードウェアにおいて、または、ソフトウェアにおいて実施されることができる。その実施態様は、各方法が実行されるように、プログラミング可能な計算機システムと協動する（または協動することができる）、その上に格納される電子的に読み込み可能な制御信号を有するデジタル記憶媒体、例えばフロッピー（登録商標）ディスク、ＤＶＤ、ブルーレイ、ＣＤ、ＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭまたはフラッシュメモリを使用して実行できる。従って、デジタル記憶媒体は、計算機可読でありえる。

本発明によるいくつかの実施形態は、本願明細書において説明された方法のうちの１つが実行されるように、プログラミング可能な計算機システムと協動できる、電子的に読み込み可能な制御信号を有するデータキャリアを含む。

通常、本発明の実施形態は、プログラムコードを有するコンピュータ・プログラム製品として実行でき、コンピュータ・プログラム製品が、コンピュータ上で動作するときに、プログラムコードは、その方法のうちの１つを実行するために働く。プログラムコードは、例えば、機械読み取り可読キャリアに格納されうる。

他の実施形態は、本願明細書において説明されて、機械読み取り可読キャリアに格納される方法のうちの１つを実行するためのコンピュータ・プログラムを含む。

従って、換言すれば、発明の方法の実施形態は、コンピュータ・プログラムがコンピュータ上で動作するときに、本願明細書において説明される方法のうちの１つを実行するためのプログラムコードを有するコンピュータ・プログラムである。

従って、発明の方法の更なる実施形態は、その上に記録されて、本願明細書において説明される方法のうちの１つを実行するためのコンピュータ・プログラムを含んでいるデータキャリア（またはデジタル記憶媒体またはコンピュータ可読媒体）である。データキャリア、デジタル記憶媒体、または記録された媒体は、一般的に、有形であり、および／または、非過渡的（ｎｏｎ−ｔｒａｎｓｉｔｉｏｎａｒｙ）である。

従って、発明の方法の更なる実施形態は、本願明細書において説明される方法のうちの１つを実行するためのコンピュータ・プログラムを示しているデータストリームまたは信号のシーケンスである。データストリームまたは信号のシーケンスは、例えば、データ通信接続を介して、例えばインターネットを介して転送されるように構成されうる。

更なる実施形態は、本願明細書において説明された方法のうちの１つを実行するように構成される、または適合される、処理手段、例えばコンピュータまたはプログラム可能な論理回路を含む。

更なる実施形態は、その上に、本願明細書において説明される方法のうちの１つを実行するためのコンピュータ・プログラムをインストールしたコンピュータを含む。

本発明による更なる実施形態は、受信器に本願明細書において説明される方法のうちの１つを実行するためのコンピュータ・プログラムを（例えば、電子的に、または、光学的に）転送するように構成された装置またはシステムを含む。受信器は、例えば、コンピュータ、モバイル機器、記憶装置等でありえる。装置またはシステムは、例えば、コンピュータ・プログラムを受信器へ転送するためのファイルサーバを含みうる。

いくつかの実施形態では、プログラム可能な論理回路（例えば論理プログラミング可能デバイス）は、本願明細書において説明される方法の機能の部分または全てを実行するために使用されうる。いくつかの実施形態では、論理プログラミング可能デバイスは、本願明細書において説明される方法のうちの１つを実行するために、マイクロプロセッサと協動しうる。通常、その方法は、好ましくは、いかなるハードウェア装置によっても実行される。

上記した実施形態は、本発明の原理のために、単に示しているだけである。本装置および本願明細書において説明された詳細の修正変更が他の当業者にとって明らかであるものと理解される。従って、間近に迫った特許クレームの範囲だけによってのみ制限され、本願明細書において実施形態の記載および説明として示された具体的な詳細のみによっては制限されないという意図である。

Claims (27)

1. オーディオコンテンツの入力表現（１１０）に基づいて、前記オーディオコンテンツの符号化表現（１１２）を供給するためのオーディオ信号符号器（１００）であって、前記オーディオ信号符号器は、
   変換領域モードで符号化される前記オーディオコンテンツの部分の時間領域表現（１２２）に基づいて、スペクトル係数のセット（１２４）及びノイズシェーピング情報（１２６）を得るように構成され、
   その結果、前記スペクトル係数（１２４）が、前記オーディオコンテンツのノイズシェーピングされたバージョン（２２３ａ；２６２ａ；２８５ａ）のスペクトルを示す変換領域パス（１２０）であって、
   前記変換領域パス（１２０；２００；２３０；２６０）は、前記オーディオコンテンツの時間領域表現（２２０ａ；２８０ａ）、またはその前処理されたバージョン（２６２ａ）に窓を掛けて、前記オーディオコンテンツの窓を掛けた表現（２２１ａ；２６３ａ；２８３ａ）を得て、前記オーディオコンテンツの前記窓を掛けた時間領域表現からスペクトル係数のセット（２２２ａ；２６４ａ；２８４ａ）を得るために、時間領域−周波数領域変換を適用するように構成された時間領域−周波数領域変換器（１３０；２２２；２６４；２８４）を含むことを特徴とする前記変換領域パス（１２０）と、
   符号励振線形予測領域モード（ＣＥＬＰモード）で符号化される前記オーディオコンテンツの部分に基づいて、符号励振情報（１４４）および線形予測領域パラメータ情報（１４６）を得るように構成された符号励振線形予測領域パス（ＣＥＬＰパス）（１４０）とを含み、
   前記時間領域−周波数領域変換器（１３０；２２１，２２２；２６３，２６４；２８３，２８４）は、前記オーディオコンテンツの現在の部分（１１３２；１３３２）の後に、前記変換領域モードで符号化される前記オーディオコンテンツの次の部分（１１４２；１３４２）が続く場合、および、前記オーディオコンテンツの前記現在の部分の後に、前記ＣＥＬＰモードで符号化される前記オーディオコンテンツの次の部分が続く場合の両方の場合に、前記変換領域モードで符号化され、前記変換領域モードで符号化された前記オーディオコンテンツの部分（１１２２；１３２２）の後に続く前記オーディオコンテンツの前記現在の部分の窓掛けのための既定の非対称の分析窓（５２０；１１３０；１３３０）を適用するように構成されること、および、
   前記オーディオ信号符号器は、前記オーディオコンテンツの前記現在の部分（１１３２；１３３２）の後に、前記ＣＥＬＰモードで符号化される前記オーディオコンテンツの次の部分（１１４２；１３４２）が続く場合、前記オーディオコンテンツの前記次の部分（１１４２；１３４２）の変換領域モード表現によって示されるエイリアシング除去信号成分を示すエイリアシング除去情報（１６４）を選択的に供給するように構成されることを特徴とするオーディオ信号符号器。
2. 前記時間領域−周波数領域変換器（１３０；２２２；２６４；２８４）は、前記オーディオコンテンツの現在の部分（１１３２；１３３２）の後に、前記変換領域モードで符号化される前記オーディオコンテンツの次の部分（１１４２；１３４２）が続く場合、および、前記オーディオコンテンツの前記現在の部分の後に、前記ＣＥＬＰモードで符号化される前記オーディオコンテンツの次の部分が続く場合の両方の場合に、前記変換領域モードで符号化され、前記変換領域モードで符号化された前記オーディオコンテンツの前の部分（１１２２；１３２２）の後に続く前記オーディオコンテンツの前記現在の部分の窓掛けのための同じ窓（５２０，１１３０，１３３０）を適用するように構成されることを特徴とする請求項１に記載のオーディオ信号符号器（１００）。
3. 前記既定の非対称の分析窓（５２０，１１３０，１３３０）は、左窓半分と右窓半分を含み、
   前記左窓半分は、窓値が単調にゼロから窓中心値まで増加する左側の遷移スロープ（５２２）と、窓値が前記窓中心値より大きく、前記窓が最大値（５２４ａ）を含むオーバーシュート部分（５２４）とを含み、
   前記右窓半分は、窓値が単調に前記窓中心値からゼロまで減少する右側の遷移スロープ（５２８）と、右側のゼロ部分（５３０）を含むことを特徴とする請求項１または請求項２に記載のオーディオ信号符号器（１００）。
4. 前記左窓半分は、ゼロ窓値のわずか１パーセントしか含まず、
   前記右側のゼロ部分（５３０）は、前記右窓半分の窓値の少なくとも２０％の範囲を含むことを特徴とする請求項３に記載のオーディオ信号符号器（１００）。
5. 前記既定の非対称の分析窓（５２０）の前記右窓半分の窓値は、前記窓中心値より小さく、その結果、オーバーシュート部分が、前記既定の非対称の分析窓の前記右窓半分にないことを特徴とする請求項３または請求項４に記載のオーディオ信号符号器（１００）。
6. 前記既定の非対称の分析窓（５２０）のゼロ以外の部分がフレーム長より少なくとも１０％短いことを特徴とする請求項１〜請求項５のいずれか一項に記載のオーディオ信号符号器（１００）。
7. 前記オーディオ信号符号器は、前記変換領域モードで符号化される前記オーディオコンテンツの引き続く部分（１１２２，１１３２，１１６２，１１７２；１３２２，１３３２，１３６２，１３７２）が、少なくとも４０％の時間的オーバーラップを含むように構成されること、および、
   前記オーディオ信号符号器は、前記変換領域モードで符号化される前記オーディオコンテンツの現在の部分（１１３２；１３３２）および前記符号励振線形予測領域モードで符号化される前記オーディオコンテンツの次の部分（１１４２；１３４２）が、時間的オーバーラップを含むように構成されること、および、
   前記オーディオ信号符号器は、前記エイリアシング除去情報が、オーディオ信号復号器（３００）において、前記変換領域モードで符号化された前記オーディオコンテンツの部分（１２３２）から前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの部分（１２４２）への遷移でのエイリアシングアーチファクトを除去するためのエイリアシング除去信号（３６４）の供給を可能にするように、選択的に前記エイリアシング除去情報（１６４）を供給するように構成されることを特徴とする請求項１〜請求項６のいずれか一項に記載のオーディオ信号符号器（１００）。
8. 前記オーディオ信号符号器は、前記オーディオコンテンツの現在の部分と時間的にオーバーラップする前記オーディオコンテンツの次の部分（１１４２；１３４２）の符号化に使用されるモードから独立して、前記オーディオコンテンツの前記現在の部分（１１３２；１３３２）の窓掛けのための窓（１１３０；１３３０）を選択し、その結果、前記オーディオコンテンツの次の部分が前記ＣＥＬＰモードで符号化される場合であっても、前記オーディオコンテンツの前記現在の部分の前記窓を掛けた表現（２２１ａ；２６３ａ；２８３ａ）が前記オーディオコンテンツの前記次の部分（１１４２；１３４２）とオーバーラップするように構成されること、および、
   前記オーディオ信号符号器は、前記オーディオコンテンツの前記次の部分（１１４２；１３４２）がＣＥＬＰモードで符号化されることの検出に応答して、前記オーディオコンテンツの前記次の部分（１１４２；１３４２）の変換領域モード表現によって示されるエイリアシング除去信号成分を示すエイリアシング除去情報（１６４）を供給するように構成されることを特徴とする請求項１〜請求項７のいずれか一項に記載のオーディオ信号符号器（１００）。
9. 前記時間領域−周波数領域変換器（１３０；２２１，２２２；２６３，２６４；２８３，２８４）は、前記変換領域モードで符号化され、前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの部分（１１５２）の後に続く前記オーディオコンテンツの現在の部分（１１６２）の窓掛けのための前記既定の非対称の分析窓（５２０；１１６０）を適用し、その結果、前記変換領域モードで符号化される前記オーディオコンテンツの前記現在の部分（１１６２）の窓を掛けた表現（２２１ａ；２６３ａ；２８３ａ）が、前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの前記前の部分（１１５２）と時間的にオーバーラップするように、そして、
   前記変換領域モードで符号化される前記オーディオコンテンツの部分（１１２２，１１３２，１１６２，１１７２）が、前記オーディオコンテンツの前の部分が符号化されるモードから独立して、そして、前記オーディオコンテンツの次の部分が符号化されるモードから独立して、同じ既定の非対称の分析窓（５２０，１１２０，１１３０，１１６０，１１７０）を使用して、窓を掛けられるように構成されることを特徴とする請求項１〜請求項８のいずれか一項に記載の前記オーディオ信号符号器（１００）。
10. 前記オーディオ信号符号器は、前記オーディオコンテンツの前記現在の部分（１１６２）が、前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの前の部分（１１５２）の後に続く場合、エイリアシング除去情報（１６４）を選択的に供給するように構成されることを特徴とする請求項９に記載のオーディオ信号符号器（１００）。
11. 前記時間領域−周波数領域変換器（１３０；２２１，２２２；２６３，２６４；２８３，２８４）は、前記変換領域モードで符号化され、前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの部分（１３５２）の後に続く前記オーディオコンテンツの現在の部分（１３６２）の窓掛けのための、前記既定の非対称の分析窓（５２０；１３２０，１３３０，１３７０）とは異なる専用の非対称の遷移分析窓（１３６０）を適用するように構成されることを特徴とする請求項１〜請求項８のいずれか一項に記載のオーディオ信号符号器（１００）。
12. 前記符号励振線形予測領域パス（ＣＥＬＰパス）（１４０）は、代数符号励振線形予測領域モード（ＣＥＬＰモード）で符号化される前記オーディオコンテンツの部分に基づいて、代数符号励振情報（１４４）および線形予測領域パラメータ情報（１４６）を得るように構成された代数符号励振線形予測領域パスであることを特徴とする請求項１〜請求項１１のいずれか一項に記載のオーディオ信号符号器。
13. オーディオコンテンツの符号化表現（３１０）に基づいて、前記オーディオコンテンツの復号化表現（３１２）を供給するためのオーディオ信号復号器（３００）であって、前記オーディオ信号復号器は、
    スペクトル係数のセット（３２２；４１２，４４２，４７２）およびノイズシェーピング情報（３２４；４１４；４４４；４７４）に基づいて、前記変換領域モードで符号化された前記オーディオコンテンツの部分（１２２２，１２３２，１２６２，１２７２；１４２２，１４３２，１４６２，１４７２）の時間領域表現（３２６；４１６；４４６；４７６）を得るように構成された変換領域パス（３２０；４００；４３０；４６０）であって、
    前記変換領域パスは、スペクトル係数の前記セットから、または、その前処理されたバージョンから、前記オーディオコンテンツの窓を掛けた時間領域表現（４２４ａ；４５２ａ；４８５ａ）を得るために、周波数領域−時間領域変換（４２３；４５１；４８４）および窓掛け（４２４；４５２；４８５）を適用するように構成された周波数領域−時間領域変換器（３３０；４２３，４２４；４５１，４５２；４８４，４８５）を含むことを特徴とする前記変換領域パスと、
    符号励振情報（３４２）および線形予測領域パラメータ情報（３４４）に基づいて、符号励振線形予測領域モード（ＣＥＬＰモード）で符号化された前記オーディオコンテンツの時間領域表現（３４６）を得るように構成された符号励振線形予測領域パス（３４０）とを含み、
    前記周波数領域−時間領域変換器は、前記オーディオコンテンツの現在の部分（１２３２；１４３２）の後に、前記変換領域モードで符号化された前記オーディオコンテンツの次の部分（１２４２；１４４２）が続く場合、および、前記オーディオコンテンツの前記現在の部分の後に、前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの次の部分が続く場合の両方の場合に、前記変換領域モードで符号化され、前記変換領域モードで符号化された前記オーディオコンテンツの前の部分（１２２２；１４２２）の後に続く前記オーディオコンテンツの前記現在の部分の窓掛けのための既定の非対称の合成窓（６２０；１２３０；１４３０）を適用するように構成されること、および、
    前記オーディオ信号復号器（３００）は、前記変換領域モードで符号化された前記オーディオコンテンツの前記現在の部分の後に、前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの次の部分が続く場合、前記オーディオコンテンツの符号化表現（３１０）に含まれ、前記オーディオコンテンツの前記次の部分（１１４２；１３４２）の変換領域モード表現によって示されるエイリアシング除去信号成分を示すエイリアシング除去情報（３６２）に基づいて、エイリアシング除去信号（３６４）を選択的に供給するように構成されることを特徴とする前記オーディオ信号復号器。
14. 前記周波数領域−時間領域変換器（３３０；４２３，４２４；４５１，４５２；４８４，４８５）は、前記オーディオコンテンツの現在の部分（１２４２；１４４２）の後に、前記変換領域モードで符号化された前記オーディオコンテンツの次の部分（１２４２；１４４２）が続く場合、および、前記オーディオコンテンツの前記現在の部分の後に、前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの次の部分が続く場合の両方の場合に、前記変換領域モードで符号化され、前記変換領域モードで符号化された前記オーディオコンテンツの前の部分（１２２２；１４２２）の後に続く前記オーディオコンテンツの前記現在の部分の窓掛けのための同じ窓（６２０；１２３０；１４３０）を適用するように構成されることを特徴とする請求項１３に記載のオーディオ信号復号器（３００）。
15. 前記既定の非対称の合成窓（６２０；１２３０；１４３０）は、左窓半分および右窓半分を含み、
    前記左窓半分は、左側のゼロ部分（６２２）と、窓値がゼロから窓中心値まで単調に増加する左側の遷移スロープ（６２４）とを含み、
    前記右窓半分は、窓値が前記窓中心値より大きく、前記窓が最大値（６２８ａ）を含むオーバーシュート部分（６２８）と、窓値が前記窓中心値からゼロに単調に減少する右側の遷移スロープ（６３０）を含むことを特徴とする請求項１３または請求項１４に記載のオーディオ信号復号器（３００）。
16. 前記左側のゼロ部分（６２２）は、前記左窓半分の窓値の少なくとも２０％の範囲を含み、
    前記右窓半分は、ゼロ窓値のわずか１パーセントしか含まないことを特徴とする請求項１５に記載のオーディオ信号復号器（３００）。
17. 前記既定の非対称の合成窓（６２０；１２２０，１２３０，１２６０；１４２０，１４３０，１４７０）の前記左窓半分の窓値は、前記既定の非対称の合成窓の前記左窓半分にオーバーシュート部分がないように、前記窓中心値より小さいことを特徴とする請求項１５または請求項１６に記載のオーディオ信号復号器（３００）。
18. 前記既定の非対称の合成窓（６２０；１２２０，１２３０，１２６０；１４２０，１４３０，１４７０）のゼロ以外の部分は、フレーム長より少なくとも１０％短いことを特徴とする請求項１３〜請求項１７のいずれか一項に記載のオーディオ信号復号器。
19. 前記オーディオ信号復号器は、前記変換領域モードで符号化された前記オーディオコンテンツの引き続く部分（１２２２、１２３２、１２６２、１２７２；１４２２、１４３２、１４６２、１４７２）が、少なくとも４０％の時間的オーバーラップを含むように構成されること、および、
    前記オーディオ信号復号器は、前記変換領域モードで符号化された前記オーディオコンテンツの現在の部分（１２３２；１４３２）および前記符号励振線形予測領域モードで符号化された前記オーディオコンテンツの次の部分（１２４２；１４４２）が、時間的オーバーラップを含むように構成されること、および、
    前記オーディオ信号復号器は、前記エイリアシング除去情報（３６２）に基づいて、エイリアシング除去信号（３６４）を選択的に供給し、その結果、前記エイリアシング除去信号が、前記変換領域モードで符号化された前記オーディオコンテンツの前記現在の部分から、前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの次の部分への遷移でのエイリアシングアーチファクトを減少させるまたは除去するように構成されることを特徴とする請求項１３〜請求項１８のいずれか一項に記載のオーディオ信号復号器（３００）。
20. 前記オーディオ信号復号器は、前記オーディオコンテンツの現在の部分（１２３２；１４３２）と時間的にオーバーラップする、前記オーディオコンテンツの次の部分（１２４２；１４４２）の符号化のために使用されるモードから独立して、前記オーディオコンテンツの前記現在の部分（１２３２；１４３２）の窓掛けのための窓（１２３０；１４３０）を選択し、その結果、前記オーディオコンテンツの前記次の部分が前記ＣＥＬＰモードで符号化される場合であっても、前記オーディオコンテンツの前記現在の部分の前記窓を掛けた表現（４２４ａ；４５２ａ；４８５ａ）が、前記オーディオコンテンツの前記次の部分と時間的にオーバーラップするように構成されること、および、
    前記オーディオ信号復号器（３００）は、前記オーディオコンテンツの前記次の部分が前記ＣＥＬＰモードで符号化されることの検出に応答して、前記変換領域モードで符号化された前記オーディオコンテンツの前記現在の部分（１２３２；１４３２）から前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの前記次の部分（１２４２；１４４２）への遷移でのエイリアシングアーチファクトを減少させるまたは除去するために、エイリアシング除去信号（３６４）を供給するように構成されることを特徴とする請求項１３〜請求項１９のいずれか一項に記載のオーディオ信号復号器（３００）。
21. 前記周波数領域−時間領域変換器（３３０；４２３，４２４；４５１，４５２；４８４，４８５）は、前記変換領域モードで符号化され、前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの前の部分（１２５２；１４５２）の後に続く前記オーディオコンテンツの現在の部分（１２６２；１４６２）の窓掛けのための前記既定の非対称の合成窓（６２０；１２３０；１４３０）を適用し、その結果、前記変換領域モードで符号化された前記オーディオコンテンツの部分（１２２２；１２３２；１２６２；１２７２）が、前記オーディオコンテンツの前の部分が符号化されるモードから独立し、前記オーディオコンテンツの次の部分が符号化されるモードから独立して、同じ既定の非対称の合成窓（６２０；１２２０，１２３０，１２６０，１２７０）を使用して窓を掛けられるように、そして、
    前記変換領域モードで符号化された前記オーディオコンテンツの前記現在の部分の窓を掛けた時間領域表現（４２４ａ；４５２ａ；４８５ａ）は、前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの前記前の部分（１２５２；１４５２）と時間的にオーバーラップするように、構成されることを特徴とする請求項１３〜請求項２０のいずれか一項に記載のオーディオ信号復号器（３００）。
22. 前記オーディオ信号復号器は、前記オーディオコンテンツの前記現在の部分（１２６２）が、前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの前の部分（１２５２）に続く場合、エイリアシング除去情報（３６２）に基づいて、エイリアシング除去信号（３６４）を選択的に供給するように構成されることを特徴とする請求項２１に記載のオーディオ信号復号器（３００）。
23. 前記周波数領域−時間領域変換器（３３０；４２３，４２４；４５１，４５２；４８４，４８５）は、前記変換領域モードで符号化され、前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの部分（１４５２）の後に続く前記オーディオコンテンツの現在の部分（１４６２）の窓掛けのための、前記既定の非対称の合成窓（６２０；１２３０；１４３０）とは異なる専用の非対称の遷移合成窓（１４６０）を適用するように構成されることを特徴とする請求項１３〜請求項２０のいずれか一項に記載のオーディオ信号復号器（３００）。
24. 前記符号励振線形予測領域パス（３４０）は、代数符号励振情報（３４２）および線形予測領域パラメータ情報（３４４）に基づいて、代数符号励振線形予測領域モード（ＣＥＬＰモード）で符号化された前記オーディオコンテンツの時間領域表現（３４６）を得るように構成された代数符号励振線形予測領域パスであることを特徴とする請求項１３〜請求項２３のいずれか一項に記載のオーディオ信号復号器。
25. オーディオコンテンツの入力表現に基づいて前記オーディオコンテンツの符号化表現を供給するための方法であって、前記方法は、
    前記スペクトル係数が、前記オーディオコンテンツの範囲のノイズシェーピングされたバージョンのスペクトルを示すように、前記変換領域モードで符号化される前記オーディオコンテンツの部分の時間領域表現に基づいて、前記スペクトル係数のセットおよびノイズシェーピング情報を得るステップであって、
    前記変換領域モードで符号化される前記オーディオコンテンツの時間領域表現、またはその前処理されたバージョンは、窓を掛けられ、時間領域−周波数領域変換は、前記オーディオコンテンツの前記窓を掛けた時間領域表現からスペクトル係数のセットを得るために適用されることを特徴とする前記ステップと、
    符号励振線形予測領域モード（ＣＥＬＰモード）で符号化される前記オーディオコンテンツの部分に基づいて、符号励振情報および線形予測領域情報を得るステップとを含み、
    既定の非対称の分析窓は、前記オーディオコンテンツの前記現在の部分の後に、前記変換領域モードで符号化される前記オーディオコンテンツの次の部分が続く場合、および、前記オーディオコンテンツの前記現在の部分の後に、前記ＣＥＬＰモードで符号化される前記オーディオコンテンツの次の部分が続く場合の両方の場合に、前記変換領域モードで符号化され、前記変換領域モードで符号化された前記オーディオコンテンツの部分の後に続く前記オーディオコンテンツの現在の部分の前記窓掛けのための適用されること、および、
    前記オーディオコンテンツの前記現在の部分の後に、前記ＣＥＬＰモードで符号化される前記オーディオコンテンツの次の部分が続く場合、前記オーディオコンテンツの前記次の部分（１１４２；１３４２）の変換領域モード表現によって示されるエイリアシング除去信号成分を示すエイリアシング除去情報は、選択的に供給されることを特徴とする前記方法。
26. オーディオコンテンツの符号化表現に基づいて前記オーディオコンテンツの復号化表現を供給するための方法であって、前記方法は、
    スペクトル係数のセットおよびノイズシェーピング情報に基づいて、変換領域モードで符号化された前記オーディオコンテンツの部分の時間領域表現を得るステップであって、
    周波数領域−時間領域変換および窓掛けが、スペクトル係数の前記セットから、または、その前処理されたバージョンから、前記オーディオコンテンツの窓を掛けた時間領域表現を得るために適用されることを特徴とする前記ステップと、
    符号励振情報および線形予測領域パラメータ情報に基づいて、符号励振線形予測領域モードで符号化された前記オーディオコンテンツの時間領域表現を得るステップとを含み、
    既定の非対称の合成窓は、前記オーディオコンテンツの現在の部分の後に、前記変換領域モードで符号化された前記オーディオコンテンツの次の部分が続く場合、および、前記オーディオコンテンツの前記現在の部分の後に、前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの次の部分が続く場合の両方の場合に、前記変換領域モードで符号化され、前記変換領域モードで符号化された前記オーディオコンテンツの前の部分の後に続く前記オーディオコンテンツの前記現在の部分の窓掛けのために適用されること、および、
    エイリアシング除去信号は、前記オーディオコンテンツの前記現在の部分の後に、前記ＣＥＬＰモードで符号化された前記オーディオコンテンツの次の部分が続く場合、前記オーディオコンテンツの符号化表現（３１０）に含まれ、前記オーディオコンテンツの前記次の部分（１１４２；１３４２）の変換領域モード表現によって示されるエイリアシング除去信号成分を示すエイリアシング除去情報に基づいて、選択的に供給されることを特徴とする前記方法。
27. コンピュータ・プログラムがコンピュータ上で動作するときに、請求項２５または請求項２６に記載の方法を実行するためのコンピュータ・プログラム。

Images