オーディオメタデータのトランスコーディング
本発明はオーディオエンコーディングの分野に関する。特に、本発明は異なるオーディオ符号化方式の間のオーディオメタデータのトランスコーディングに関する。本発明は、ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法およびシステムであって、第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い、各符号化ブロックは少なくとも１つの関連ゲイン値を有する、方法およびシステムを記載する。方法およびシステムは、第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした或る期間内において、第１のゲインメタデータの最小ゲイン値が選択されるように、第１のゲインメタデータの複数のゲイン値に基づいて第２のゲインメタデータのゲイン値を選択する。
【発明の詳細な説明】
【技術分野】
【０００１】
関連出願への相互参照
本願は、２００８年９月３０日に出願され、その全体が本願明細書において参照により援用されている米国特許仮出願第６１／１０１，４９７号に対する優先権を主張する。
【０００２】
発明の分野
本発明はオーディオエンコーディングの分野に関する。特に、本発明は異なるオーディオ符号化方式の間のオーディオメタデータのトランスコーディングに関する。
【背景技術】
【０００３】
デジタルテレビおよびラジオシステムの普及が拡大するのに伴い、プログラムのラウドネスおよびダイナミックレンジの受信器側制御ならびにステレオダウンミックスの制御を誘導することを目的としたメタデータ、すなわち「データに関するデータ」、が重要性を増している。オーディオデータの発行用フォーマットまたは送信用フォーマットは、制作または提供用フォーマット、すなわちオーディオ信号の作成または後処理の最中に用いられる符号化方式、とは必ずしも同じであるわけではないので、メタデータを或るフォーマットから別のフォーマットへトランスコードする手段が見いだされなければならない。ａａｃＰｌｕｓとしても知られるオーディオコーデックＨＥ ＡＡＣの、いくつかの新しい放送システムへの導入に伴い、どのようにして新しいメタデータを最もうまくエンコードするか、ならびにどのようにして既存のメタデータをＨＥ ＡＡＣにトランスコードするかおよびそれからトランスコードするかという課題に取り組むことが必要になっている。
【０００４】
ＨＥ ＡＡＣ（Ｈｉｇｈ Ｅｆｆｉｃｉｅｎｃｙ Ａｄｖａｎｃｅｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ、高効率高度オーディオ符号化）は、４８ｋｂｐｓステレオにおける、全帯域幅の、ＣＤに近いオーディオ品質を提供する最新の低ビットレートコーデックである。ＨＥ ＡＡＣはＭＰＥＧ−４においてＨＥ ＡＡＣプロファイルの下で標準化された。プロファイルは、元のＭＰＥＧ−２ ＡＡＣ定義に存在する多数の弱点を改善するように、デコーダにおけるメタデータの任意の適用に関して強化された方法を用意している。特に、ＨＥ ＡＡＣは、元のプログラム素材の、特定の聴取環境における適切な再現を達成するために放送において広く用いられている、ＤＲＣ（Ｄｙｎａｍｉｃ Ｒａｎｇｅ Ｃｏｎｔｒｏｌ、ダイナミックレンジ制御）、ＤＮ（Ｄｉａｌｏｇ ｎｏｒｍａｌｉｚａｔｉｏｎ、ダイアログノーマライゼーション）、または多重チャンネルからステレオへのダウンミックス等のメタデータの指定を可能にする。
【０００５】
放送においてはＨＥ ＡＡＣ等のコーデックが広く用いられているが、制作側および受信器側では異なる符号化方式が普及している。例えば、ドルビーＥ符号化方式がコンテンツ制作者によってしばしば用いられるのに対して、シアターおよびホームシアターの復号システムでは、ＡＣ−３またはドルビーＤ符号化方式とも呼ばれるドルビーデジタル符号化方式がしばしば用いられる。それ故、制作側において初めに定義されたメタデータが、劣化せずに最後の復号システムに到達することを確実にする、異なる符号化方式の間の、オーディオメタデータのトランスコーディングが必要である。一般的に、目標は、初めに定義されたメタデータに従う元のエンコードされたオーディオストリームを、トランスコードされたメタデータに従う受信オーディオストリームと比較したとき、知覚的な差が聴取者によって全くまたはほとんど検出されることができないことを確かなものにすることである。以下の発明はこの問題に対処するものであり、特に２つのフォーマットのフレーミングに互換性がない場合に、メタデータを１つの圧縮ビットストリームフォーマットから異なる圧縮ビットストリームフォーマットに変換する方法を定義する。
【発明の概要】
【課題を解決するための手段】
【０００６】
本発明は、ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法であり、第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い、各符号化ブロックは少なくとも１つの関連ゲイン値を有する、方法を記載する。この方法では、第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした或る期間内において、第１のゲインメタデータの最小ゲイン値が選択されるように、第１のゲインメタデータの複数のゲイン値に基づいて第２のゲインメタデータのゲイン値を選択するステップを含む。
【０００７】
このような第１および第２の符号化方式の例が、ドルビーＥ、ＡＡＣ、ＨＥ ＡＡＣ、ならびに／あるいはドルビーデジタル（Ｄｏｌｂｙ Ｄｉｇｉｔａｌ、ドルビーＤ）、およびドルビーデジタルプラス等のその変形例類となろう。第１のオーディオ符号化方式はメタデータトランスコーダの入力におけるソース符号化方式と呼ぶこともできよう。それに対して、第２のオーディオ符号化方式はメタデータトランスコーダの出力におけるターゲット符号化方式と呼ぶこともできよう。両符号化方式とも、エンコードされるオーディオ信号に関連付けられるメタデータを定義する。通例、基礎をなす符号化方式は、エンコードされるオーディオ信号を複数の符号化ブロックにセグメント化する。符号化方式に応じて、このような符号化ブロックが包含するエンコードされる信号サンプルの数が異なる場合がある。さらに、符号化ブロックは、エンコードされるオーディオ信号の異なる時間の長さにそれぞれわたる場合もある。通常、各符号化ブロックは、特定の符号化ブロックのオーディオ信号に適用されるゲイン値も含む関連メタデータを有する。一方、多くのオーディオ符号化方式は、更新ゲイン値が受信される瞬間まで現在のゲイン値を維持することに存する、いわゆるサンプルホールド動作を適用する。それ故、このような場合、現在のゲイン値は、更新ゲイン値が受信されるまで符号化ブロックに関連付けられる。
【０００８】
本発明の別の態様によれば、第２のメタデータのゲイン値を選択する期間は上限および下限によって定義される。この上限および下限は、第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスにそれぞれ加減算される時間定数によって決定される。換言すると、好ましい実施形態では、期間は、第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心として対称的になっている。
【０００９】
この時間定数は、第１のオーディオ符号化方式の符号化ブロックの時間の長さおよび第２のオーディオ符号化方式の符号化ブロックの時間の長さのうちの最大値以上となるように選択されればよい。このように時間定数が選択されれば、記載されている方法が生じさせるトランスコードされたゲイン値はゲインオーバーシュートおよびクリッピングに対して抵抗性があるものになる。或る条件下では、トランスコードされたゲインメタデータはソースゲインメタデータを決して超えないことが保証されることができる。
【００１０】
一方、時間定数は、第１のオーディオ符号化方式の符号化ブロックの時間の長さおよび第２のオーディオ符号化方式の符号化ブロックの時間の長さのうちの最大値未満となるように選択されてもよい。これは、ソースゲインメタデータとターゲットゲインメタデータとの間の良好な一致を達成するために都合よい場合がある。
【００１１】
或る状況では、第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした期間内に第１のゲインメタデータのゲイン値が１つもないということが起きる可能性がある。例えば、これは、時間定数がかなり小さく選択されるか、または第２のオーディオ符号化方式の符号化ブロックの時間の長さが第１のオーディオ符号化方式の符号化ブロックの時間の長さ未満である場合に起きる可能性がある。このような場合、この方法では、第２のゲインメタデータのゲイン値を、第２のゲインメタデータのゲイン値に関連付けられる符号化ブロックに先行する符号化ブロックに関連付けられる第２のゲインメタデータのゲイン値とするように選択することができる。代替的に、この方法では、期間に先行する第１のゲインメタデータのゲイン値を第２のゲインメタデータのゲイン値として選択することができる。換言すると、トランスコーダは、更新ゲイン値が受信されるまで、オーディオ符号化方式のサンプルホールド動作を用いて現在のゲイン値を維持すればよい。
【００１２】
本発明の別の態様によれば、方法は、第２のオーディオ符号化方式が、第２のゲインメタデータの隣接するゲイン値を補間して第２のゲイン曲線を形成する種々の補間曲線の選択を可能にする場合のためにさらに適合されてよい。このようなオーディオ符号化方式の例が、ゲインリリースに非常に適した線形補間曲線、およびゲインアタックに非常に適した複数の急激な補間曲線の選択を可能にするＨＥ ＡＡＣである。第２のオーディオ符号化方式がこのような機能性を提供する場合、この方法では、第１のゲインメタデータの複数のゲイン値に基づいて第２のゲインメタデータの２つの隣接するゲイン値の間の適当な補間曲線を選択するステップをさらに含むことができる。
【００１３】
適当な補間曲線は、例えば、第１のゲインメタデータの２つの隣接するゲイン値の間の差に基づいて選択すればよい。例えば、第１のソースゲイン値が（非常に）高く且つ次のソースゲイン値が（非常に）低ければ、「アタック」に似た補間曲線を選択すればよい。一方、第１のソースゲイン値と次のソースゲイン値がどちらかというと同様であれば、「リリース」に似た補間曲線を選択すればよい。
【００１４】
代替的に、第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ、この第１のゲイン曲線は第１のゲインメタデータの隣接するゲイン値を補間することによって得られればよい場合、適当な補間曲線を第１のゲイン曲線の勾配に基づいて選択してよい。特に、第１のゲイン曲線の負の勾配が所定の閾値を超えていれば、ゲインアタックを検出すればよい。換言すると、第１のゲイン曲線が急峻に降下すれば、ゲインアタックを検出すればよい。一方、第１のゲイン曲線の負の勾配が所定の閾値未満であれば、ゲインリリースが検出される。第１のゲイン曲線の、検出されたゲインアタックまたはゲインリリースに基づいて、この方法では次に、第２のゲインメタデータの２つの隣接するゲイン値の間の適当な補間曲線を選択する。
【００１５】
すでに言及したように、第２の符号化方式は、補間曲線パターンとも呼ばれる複数の「アタック」補間曲線の選択を可能にする場合がある。これらの種々の補間曲線パターンは通例、互いに時間的に遅延させ、それによって、異なる「アタック」時刻の定義を可能にする。第２の符号化方式のこの機能性を用いるために、この方法では、第１のゲイン曲線の勾配の絶対値が最大となる位置に基づいて第２のゲインメタデータの２つの隣接するゲイン値の間の適当な補間曲線を選択すればよい。換言すると、この方法では第１のゲイン曲線の最も急峻な点を判定し、この最も急峻な点に最も近い、第２の符号化方式の補間曲線パターンを選択する。
【００１６】
本発明のさらなる態様によれば、第２のゲインメタデータのゲイン値の選択は、第１のゲインメタデータのゲイン値のセットだけでなく、第１のゲイン曲線全体に基づくこととしてもよい。このような場合、この方法では、期間内の第１のゲイン曲線の最小値を第２のゲインメタデータのゲイン値として選択するステップを含む。これは、第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした期間内に第１のゲインメタデータのゲイン値が１つもないときに非常に有用である場合がある。
【００１７】
第１のゲイン曲線の最小値の計算に対する、複雑さの低い代替例として、期間内の第１のゲイン曲線のサンプルのセットの最小値を第２のゲインメタデータの所与のゲイン値として選択することが都合よい場合がある。第１のゲイン曲線のこのセットのサンプルは、期間内にある第２のゲイン値の符号化ブロックの時刻インスタンスにおける第１のゲイン曲線のサンプルを含むものであればよい。
【００１８】
加えて、本発明は、ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法であって、第１および第２のオーディオ符号化方式は符号化ブロックごとに異なる数のオーディオサンプルを有し、各符号化ブロックは関連ゲイン値を有することを特徴とする、方法を記載する。さらに、隣接する符号化ブロックの一連のゲイン値を補間してゲイン曲線を定義する。この方法は、第２のゲイン曲線が第１のゲイン曲線を常に下回るように、第１のゲインメタデータの複数のゲイン値に基づいて第２のゲインメタデータのゲイン値を選択するステップを含む。この条件を用いることで、クリッピングがないソースオーディオ信号が、同様にクリッピングがないターゲットオーディオ信号にトランスコードされることが保証されることができる。
【００１９】
さらに、本発明は、ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法であって、第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い、各符号化ブロックは関連ゲイン値を有することを特徴とする、方法を記載する。加えて、第２のゲインメタデータのゲイン値に第２のゲイン曲線が関連付けられる。この方法は、第１のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、第２のゲイン曲線が第１のゲインメタデータのゲイン値以下となるように第２のゲインメタデータのゲイン値を選択するステップを含む。
【００２０】
本発明の別の態様によれば、第２のゲインメタデータのゲイン値の選択は、第１のゲインメタデータのゲイン値のセットだけでなく、第１のゲイン曲線全体に基づくこととしてもよい。このような場合、この方法では、第１のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、および／または第２のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、第２のゲイン曲線が第１のゲイン曲線以下となるように第２のゲインメタデータのゲイン値を選択すればよい。これは、第２のオーディオ符号化方式の符号化ブロックの時間の長さが第１のオーディオ符号化方式の符号化ブロックの時間の長さ未満であるときに特に都合よい場合がある。
【００２１】
符号化方式よっては、ゲイン曲線は、隣接するゲイン値および窓関数に関連付けられるセグメント群から成る。典型的には、曲線セグメントは、隣接するゲイン値の間を、符号化方式の窓関数を用いて補間することによって得られる。このような場合、特定の時刻インスタンスにおけるゲイン曲線の上述のサンプルは、ゲイン値、および窓関数のサンプルのセットによって決定すればよい。符号化方式によっては、窓関数は、曲線セグメントの全てまたはサブセットについて同一であり、それ故、ゲイン曲線はゲイン値、および窓関数のサンプルの限定されたセットによって記述することができる。これにより、ゲイン値の選択をソースゲイン曲線に基づかせる場合でも、記載されている方法を低い複雑さで実装することが可能となる。
【００２２】
本発明は、上述のトランスコーディング方法を実装するトランスコーディングシステムをさらに記載する。これらのトランスコーディングシステムは送信システムまたは消費者セットトップボックスの一部であってよい。トランスコーディングシステムは周囲のシステムによって提供される処理およびメモリ手段を利用してよいが、トランスコーディングシステムはＣＰＵ等の独自の処理手段、ならびにＲＯＭまたはＲＡＭ等のメモリ手段を含んでもよい。
【００２３】
例えば、オーディオトランスコーディングシステムの実装では、デジタルプロセッサ、およびプロセッサによる実行のための命令を記憶するメモリを含むことができる。メモリは、さらに、入ってくるメタデータおよび生成されて出て行くメタデータを送信前に記憶してよい。特に、符号化ブロックのゲイン値を処理のためにメモリ内に記憶することができる。さらに、窓関数のサンプルあるいは第１および／または第２のオーディオ符号化方式の複数の窓関数をメモリ内に記憶させることが望ましい。
【００２４】
オーディオトランスコーディングシステムの一例は、送信用オーディオフォーマットから消費者の家庭における再生または記録に用いられるオーディオ符号化方式へのトランスコーディング用のセットトップボックス内に実装することができる。例えば、送信用オーディオ符号化方式としてのＨＥ ＡＡＣと、再生に用いられる発行用オーディオ符号化方式としてのドルビーデジタル（プラス）との間のトランスコーディングをセットトップボックス内に提供することができる。
【００２５】
オーディオトランスコーディングシステムのための別の例は、制作または提供用オーディオ符号化フォーマットから送信用オーディオフォーマットへのトランスコーディング用のヘッドエンドとして実装されればよいというものである。例えば、制作用オーディオ方式としてのドルビーＥと送信用オーディオ方式としてのＨＥ ＡＡＣとの間のトランスコーディングがこのようなヘッドエンドシステム内に提供することができる。
【００２６】
本文書において記載されている方法およびシステムは、ドルビーＥ、ドルビーＤまたはＡＣ−３としても知られるドルビーデジタル（プラス）、ＡＡＣ（Ａｄｖａｎｃｅｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ、高度オーディオ符号化）、ならびに／あるいはａａｃＰｌｕｓとしても知られるＨＥ ＡＡＣ（Ｈｉｇｈ Ｅｆｆｉｃｉｅｎｃｙ ＡＡＣ、高効率ＡＡＣ）等の種々の第１および第２のオーディオ符号化方式に適用されてよいことに留意されたい。
【００２７】
さらに、本文書において記載されている方法およびシステムの特徴が、互いに組み合わせて用いることができることに留意されたい。特に、１つのトランスコーディング方向に１つの方法を用い、逆のトランスコーディング方向には別の方法を用いることが都合よい場合がある。
【００２８】
以下において、選択された、本発明の実施形態を、添付の図面を参照しながら記載する。
【図面の簡単な説明】
【００２９】
【図１】典型的なトランスコーディング連鎖を示す図である。
【図２】オーディオコーデックの構造の典型的なエンコーディングおよび復号を示す図である。
【図３】種々のオーディオコーデックのための種々の補間ゲイン曲線を示す図である。
【図４ａ】オーディオコーデックの補間関数を示す図である。
【図４ｂ】図４ａの補間関数に関連付けられる窓関数を示す図である。
【図４ｃ】非対称的な窓関数およびその関連補間関数のための例を示す図である。
【図５】一連の連結された補間されたゲイン曲線を示す図である。
【図６】第１のトランスコーディングアルゴリズムのゲイン一致特性を図解する第１の例を示す図である。
【図７ａ】第１のトランスコーディングアルゴリズムのゲイン一致特性を図解する第２の例を示す図である。
【図７ｂ】第１のトランスコーディングアルゴリズムのゲイン一致特性を図解する第２の例を示す図である。
【図８】第１のトランスコーディングアルゴリズムを用いた、ゲインメタデータのトランスコーディングについての実験結果を示す図である。
【図９ａ】第２のトランスコーディングアルゴリズムのゲイン一致特性を示す図である。
【図９ｂ】第２のトランスコーディングアルゴリズムのゲイン一致特性を示す図である。
【図１０】第３のトランスコーディングアルゴリズムを用いた、ゲインメタデータのトランスコーディングについての実験結果を示す図である。
【発明を実施するための形態】
【００３０】
メタデータとは、例えば、ドルビーデジタル、ドルビーＥ、ＡＡＣ、ＨＥ ＡＡＣまたは他のオーディオコーデックにおいて、多重チャンネルオーディオビットストリームとともに伝達される「オーディオデータに関するデータ」である。それにより、放送事業者は、送信用オーディオストリームに応じてオーディオレベルを絶え間なく調節し圧縮する必要がなくなる。それはオーディオミキサにオーディオストリームの音響ダイナミクスに関する芸術上の高い自由度も提供する。過去には、多重チャンネルオーディオを扱う放送事業者は、平均レベルが他のプログラムのものを上回るかまたは下回るサウンドトラックによる問題を抱えることがしばしばあった。同様に、サラウンド音声コンテンツがテレビでステレオまたはモノラルオーディオ出力を用いて再生されるときにも課題が生じた。オーディオメタデータを用いれば、音声技術者は、種々の再生システムのためにオーディオコンテンツを種々の様式でミキシングし再生レベルを設定することを、全てポストプロダクション段階においてできるので、放送事業者は、より一貫性のあるオーディオ信号を配信し、確実に最も重要なオーディオ要素を届けることができる。
【００３１】
メタデータは、消費者の固有の聴取環境に配信されるプログラムの音声を変化させることを特に目的とした多数のパラメータを提供する。これらのメタデータパラメータは、ダイアログレベル（ダイアログノーマライゼーション（ｄｉａｌｏｇｕｅ ｎｏｒｍａｌｉｚａｔｉｏｎ）またはｄｉａｌｎｏｒｍとしても知られる）、ダイナミックレンジ制御ならびにダウンミックスとして知られる。技術的には個別のメタデータパラメータではないが、消費者のデコーダ内のダウンミックスは特定のメタデータパラメータによって影響を受けるため、ｄｉａｌｎｏｒｍおよびダイナミックレンジ制御と同様に、ダウンミックス条件に影響を与えるメタデータパラメータの監視および選択においては注意が払われなければならない。制作側の音声技術者は、最適な聴取環境における最良の再現のための多重チャンネルミキシング最適化に最終的な責任を負う。しかし、最適性がより低い聴取環境に同様に応じることを確実にするためにも注意が払われなければならない。これが、製作段階の間に設計されたメタデータの質を維持するために、トランスコーディングの間にメタデータが歪みを受けないまたは限定的な歪みしか受けないようにすることが重要である理由である。
【００３２】
ダイアログレベルパラメータは家庭のデコーダに正規化値を提供する。この値はオーディオの音量をプリセットレベルに調節するもので、これはプログラムコンテンツからプログラムコンテンツへおよび媒体から媒体へのレベル一致に役立つ。ダイアログレベルはプログラム素材に対する何らかの圧縮または伸長をアサートするものではなく、オーディオの音量を標準レベルに下げるものである。ダイアログレベルはダイナミックレンジ制御プロファイルと連携して機能する。ダイアログレベルパラメータはプログラムの穏やかな部分と騒々しい部分との間の一種の「空白帯域」を設定する。
【００３３】
ダイナミックレンジ圧縮またはミッドナイトモードと呼ばれることがあるダイナミックレンジ制御（Ｄｙｎａｍｉｃ ｒａｎｇｅ ｃｏｎｔｒｏｌ、ＤＲＣ）は、ダイナミックレンジを低減させてプログラムオーディオを聴く柔軟性を消費者に与えるものである。ダイナミックレンジの圧縮のおかげで、視聴者は近所に迷惑をかけずにテレビを見ることができる。ドルビーデジタルデコーダ等のほとんどのオーディオデコーダにおいて、この制御は大抵、任意のものであり、オフにすることができる。ダイナミックレンジ制御は、消費者用デコーダ上によくある「ミッドナイトモード」機能のためにも用いられる。
【００３４】
より低い音量においては、プログラムのより穏やかな部分（囁きおよび穏やかな話し方の会話）はより聞こえにくくなる。しかし、視聴者が音量を上げると、より騒々しい部分（爆発、画面上の言い争い、発砲等）がうるさくなりすぎて快適に聴けなくなる。あるいは、高レベルの背景雑音がある環境では、プログラムのより静かな部分は周囲雑音によってかき消されてしまうことになる。デコーダ内でダイナミックレンジプロファイルがアサートされると、デコーダはプログラムの穏やかな方の部分のレベルを上げる一方、騒々しい方の部分のレベルを下げ、これにより、ユーザは音量調節器にしょっちゅう手を伸ばす必要なく映画を楽しむことができる。
【００３５】
ダイナミックレンジ制御は通例、２つのパラメータすなわち「プロファイル」：ＲＦモードおよびラインモード、から成る。これらの２つのパラメータは、ビットストリーム内のエンコードされたオーディオのコンテンツを変化させるものではないことに留意されたい。それらは、低減されたダイナミックレンジでプログラムを聴くことが望ましいかまたは必要である場合に応じるべく、聴取環境内でプログラム素材の極値を調節するために用いられる。
【００３６】
ＲＦモードとは、セットトップボックスのアンテナ出力を経由するなど、復号されたプログラムがテレビのＲＦ入力経由の配信用のものとされる、ピーク制限を行う状況のために設計されるものである。それは典型的には±４８．１６ｄＢのレンジ内のダイナミックレンジ圧縮を可能とし、低レートＤＲＣとも呼ばれる。
【００３７】
ラインモードとは、より簡易な形式の圧縮を提供するもので、家庭のデコーダにおける低レベルブーストおよび高レベルカットパラメータのユーザ調節を可能にするものでもある。それは典型的には±２４．０８ｄＢのレンジ内のダイナミックレンジ圧縮を可能とし、高レートＤＲＣとも呼ばれる。ブーストおよびカット領域の調節または「スケーリング」により、消費者はオーディオ再現を自分たちの特定の聴取環境のためにカスタマイズすることができる。
【００３８】
ダウンミックスとは、ドルビーデジタル等のオーディオエンコーダ内の、多重チャンネルプログラムをより少ないスピーカチャンネルによって再現させることを可能とする機能である。簡単に言えば、ダウンミックスは、完全な５．１チャンネルホームシアター装置を必要とせずとも消費者がデジタルテレビ放送を楽しむことを可能とする。互換性を維持するためにミックスがモノラルで時々監視されるステレオミキシングと同様に、多重チャンネルオーディオミキシングは、技術者に、より少ないスピーカチャンネルを用いるミックスを参照してダウンミックス状況のための互換性を保証することを求める。
【００３９】
或るメタデータパラメータ群は適当なダウンミックスを達成するのに役立ち、音声技術者／コンテンツ制作者の意図がこれらの環境の間で伝わることになることを確実にするための助けとなる。具体的には、メタデータは、或るスピーカチャンネル群を、生じるダウンミックスにどのように「折り込ませるか」ということの制御を提供する。音声技術者は普通、理想的な聴取環境における再現のために多重チャンネルミックスを最適化するが、ダウンミックスメタデータパラメータを選択する際は、異なる再生システムとの互換性を確実にするために、ダウンミックス条件においてミックスを試聴することも重要である。
【００４０】
先に概説したように、メタデータは、とりわけ、デコーダ内で時間変化ゲイン要素を制御するために用いられ、これをオーディオ信号のダイナミックレンジ制御および／または限定手段として用いてクリッピングを防ぐ。エンコーダ側での圧縮と対照的に、デコーダ側で圧縮を適用するポイントは、こうすることで、エンドユーザはダイナミックレンジ圧縮の量の制御を保持するということである。深夜の視聴のために、エンドユーザは最大の圧縮を用いたいと思う場合がある一方、自分専用のホームシアターを持っている「オーディオ愛好家」は元の劇場用ミックスの完全なダイナミックレンジを楽しむことを好む場合がある。
【００４１】
現代のデジタル放送の連鎖では、制作、提供および送信段階においていくつかのオーディオフォーマットが用いられる。元のオーディオミックスは今もなお非圧縮リニアＰＣＭフォーマットストリームである場合があるのに対して、制作の仕上がりはドルビーＥフォーマットストリームであることが多い。ドルビーＥをコンテンツ制作プロセスにおけるオーディオコーデックとして用いると、なかんずく、全体的なプログラムラウドネス（ＤｉａｌＮｏｒｍ）、ＤＲＣ係数の生成に用いられるコンプレッサプロファイル、およびダウンミックスを記述するメタデータパラメータを制作者が埋め込む可能性がある。
【００４２】
図１は制作センターから消費者の家庭までのオーディオトランスコーディングの例示的な連鎖１００を示す。制作センター１０１では、オーディオストリームは通常、ドルビーＥ等の、制作および後処理の目的に最も適したオーディオフォーマットとされる。この制作用オーディオストリームは次に、ドルビーＤまたはＡＣ−３とも呼ばれるドルビーデジタル等の、発行の目的に最も適したフォーマット１０２にトランスコードされる。オーディオストリームの送信または放送が必要であれば、この発行用オーディオストリームは、ＨＥ−ＡＡＣ等の好適な送信または放送用フォーマット１０３へのトランスコーディングを必要とする場合がある。この送信用オーディオストリームは次に、消費者の家庭にある複数のセットトップボックス１０５にネットワーク１０４を通じて送信されればよい。ほとんどの消費者の設備１０６はオーディオストリームを正しくレンダリングするためにドルビーデジタル等の特定の消費者用オーディオフォーマットを必要とするという事実のために、送信用オーディオストリームから消費者用オーディオストリームへのさらなるトランスコーディングがセットトップボックス１０５内で必要とされる。制作、発行、送信および消費者用オーディオストリームフォーマットの一部は同一とすることができることに留意されたい。特に、発行および消費者用オーディオストリームフォーマットはどちらもドルビーデジタルとすることができる。
【００４３】
換言すると、ドルビーＥフォーマットストリームは、映画館、ホームシアターまたは伝統的なホームステレオにおけるコンテンツのレンダリングに適したオーディオデータストリームにトランスコードすることができる。このような発行用オーディオデータストリームのための例がドルビーデジタルストリームである。オーディオデータストリームフォーマットの間のこのトランスコーディング、すなわち制作用オーディオストリームと発行用オーディオストリームとの間のトランスコーディング、もメタデータトランスコーディングの必要性を生む。
【００４４】
オーディオストリームの送信または放送が必要であれば、発行用オーディオストリーム、例えばドルビーデジタルストリーム、は、低ビットレートのリンクを通じたオーディオ送信のために最適化されたＭＰＥＧ ＨＥ−ＡＡＣオーディオストリーム等の送信用オーディオストリームへのトランスコーディングを必要とする場合がある。同様に、発行用オーディオストリームと送信用オーディオストリームとの間のこのようなトランスコーディングのために、関連メタデータがトランスコードされる必要がある。
【００４５】
送信後、オーディオデータストリームは大抵、消費者の自宅にあるセットトップボックス（ｓｅｔ ｔｏｐ ｂｏｘ、ＳＴＢ）かもしれないような受信器で復号される。特に、オーディオデータストリームがサラウンド音声オーディオストリーム等の多重チャンネルオーディオストリームであれば、送信用オーディオストリームをドルビーデジタル等の消費者用オーディオストリームにトランスコードするのが都合よい場合がある。これによって、多重チャンネル信号は光学的または同軸Ｓ／Ｐ ＤＩＦリンクを介して消費者のホームシアターまたはテレビセット内の多重チャンネル受信器に送ることができる。同様に、送信用オーディオストリームと消費者用オーディオストリームとの間のこのトランスコーディングは関連メタデータの間のトランスコーディングを必要とする。
【００４６】
１つのフォーマットのオーディオデータストリームが別のフォーマットのオーディオデータストリームにトランスコードされる際、それと一緒にメタデータも伝達する必要がある。ＤｉａｌＮｏｒｍメタデータのトランスコーディングは大抵、プログラムの境界でしか著しく変化することはなく、その他の場合はほぼ一定であるので、通常、大きな問題を呈することはない。しかし、ＤＲＣ制御信号は異なるオーディオフォーマットの異なるフレーミングを有するので、ＤＲＣメタデータのトランスコーディングは簡単ではない。表１は例示的なオーディオフォーマットおよびコーデックの、種々のフレーム長を列挙している。
【００４７】
【表１】
【００４８】
ＡＡＣベースのフォーマット群について、「フレーム長」の列内の左の数は短いブロック／フレームの長さを示し、右の数は長いブロック／フレーム分解能を示す。ドルビーデジタル／ＡＣ−３フォーマットについて、「フレーム長」の列内の左の数は高レートＤＲＣワードの分解能、すなわちラインモードのためのフレームサイズを示し、右の数は低レートＤＲＣワードの分解能、すなわちＲＦモードのためのフレームサイズ、を示す。
【００４９】
表より分かるように、構成に応じて、ＤＲＣメタデータのトランスコーディングは、より高いレートにおけるメタデータからより低いレートへ向かうかまたはその逆のいずれかとなる場合がある。さらに複雑なことに、ＡＡＣベースのフォーマットは時間分解能、すなわちフレーム長、をオンザフライで変化させることができるため、両方の状況、すなわちより高いレートからより低いレートへのトランスコーディングおよびより低いレートからより高いレートへのトランスコーディング、が同じストリーム内で且つ同じトランスコーディング操作中に起きうる。さらに、ＡＡＣベースのフォーマットはメタデータの有無をフレームごとに信号で知らせることができる。通例、復号セマンティクスはサンプルホールド動作を定義する。すなわち、デコーダは、新しいデータが届くまでは最新の受信ゲイン制御信号を常に用いるように命令される。その結果、ＡＡＣフレーム内にメタデータがなければ、デコーダには、さらなる通知までは最新のゲイン制御信号を印加するよう指示がなされる。
【００５０】
コンプレッサによって適用されるゲインは、長い準定常部分と、それが鋭い「アタック」によって中断され、ゲインを急速に低下させることによって特徴付けることができる。これらの「アタック」は通例、映画における爆発等の、音響強度の突然の増大を緩和するために適用される。これらの一時的な低下からコンプレッサゲインは、「リリース」と呼ばれる長い時間定数をもって回復する。換言すると、音響強度の突然の増大は、ゲイン値を非常に短い期間で強く減少させる鋭いゲイン「アタック」によって相殺され、ゲインの増大は通例、ゲイン「リリース」期の間になだらかに遂行される。
【００５１】
ＤＲＣゲインを適用する際、アタック時のオーディオ信号の若干の変調歪みは避けられないものの、このようなアタックの減衰時間定数は、変調歪みが聞き取れないように選ばれる。適当なＤＲＣメタデータを設計する際、ゲインアタックのための適当な減衰時間の選択は音声技術者の重要な課題であり、ＤＲＣメタデータを制作用オーディオフォーマットから発行用オーディオフォーマットにトランスコードし、さらにＡＡＣ等の送信用オーディオフォーマットにトランスコードする際にこうした特性を損なわないようにするため、メタデータトランスコーディングの間は注意が払われなければならない。
【００５２】
さらに、コンプレッサは、０ｄＢＦＳを超える信号を生成しないように最大コンプレッサゲインを常時制限するリミッタに結合してもよい。このようなリミッタは通例、クリッピングを防ぐために用いられる。同様に、このようなリミッタの機能性も、メタデータをトランスコードする際に考慮する必要がある。
【００５３】
ＡＡＣ、ＨＥ ＡＡＣおよびドルビーデジタル／ＡＣ−３等のオーディオコーデックは通例、ＭＤＣＴ、すなわち変形離散コサイン変換（ｍｏｄｉｆｉｅｄ ｄｉｓｃｒｅｔｅ ｃｏｓｉｎｅ ｔｒａｎｓｆｏｒｍ）、等のプリンセン−ブラッドリー（Ｐｒｉｎｃｅｎ−Ｂｒａｄｌｅｙ）時間領域エイリアスキャンセレーション（ｔｉｍｅ ｄｏｍａｉｎ ａｌｉａｓ ｃａｎｃｅｌｌａｔｉｏｎ、ＴＤＡＣ）技法に基づく、周波数が線形のクリティカルサンプリングされるフィルタバンクを用いる、適応性のある変換ベースのコーデックである。フィルタ境界点においてＭＤＣＴおよび逆ＭＤＣＴ関数が滑らかにゼロに向かうようにすることによって変換境界における不連続性を避けるために、ＭＤＣＴ変換は追加の窓関数としばしば結合される。
【００５４】
このことは、オーディオエンコーダ２００およびオーディオデコーダ２１０が図示される図２に概略的に示される。図２は、変換ベースのエンコーダ２０１および変換ベースのデコーダ２１１を、ＡＡＣおよびドルビーデジタル／ＡＣ−３等のオーディオ符号化方式で用いられる状況で示す。先に概説したように、このような符号化方式は、エンコーディング側にＴＤＡＣ変換フィルタバンク２０４、および復号側に逆ＴＤＡＣ変換フィルタバンク２１４を含む。さらに、窓関数２０３および２１３が、それぞれエンコーディングおよび復号側において、フィルタ境界におけるＴＤＡＣ変換２０４、２１４の不連続性を取り除く。加えて、変換ベースのエンコーダ２０１およびデコーダ２１１は、ドット２０５および２１５でそれぞれ表される、過渡状態検出器、量子化手段、ビット配分手段等などの追加のコンポーネント群を含む。
【００５５】
送信データ転送速度をさらに低下させるために、ＨＥ−ＡＡＣ等の或るオーディオコーデックは、スペクトル帯域複製（ｓｐｅｃｔｒａｌ ｂａｎｄ ｒｅｐｌｉｃａｔｉｏｎ、ＳＢＲ）と呼ばれる技法を用いる。ＳＢＲの基本原理は、オーディオ信号の高い方の周波数部分の音響心理学的な重要性は相対的に低いという事実である。従って、ＳＢＲを用いるオーディオコーデックは、上述されたような変換ベースの符号化器を用いて信号スペクトルの下半分だけをエンコードする。信号スペクトルの上半分は、主として従来の変換ベースのデコーダに続くポストプロセスであるＳＢＲデコーダまたは合成によって生成される。高周波スペクトルを送信する代わりに、ＳＢＲは、基底の符号化器内で送信された低い方の周波数の分析に基づいてデコーダ内の高い方の周波数を再構築する。正確な再構築を確実にするために、何らかの誘導情報が、エンコードされたビットストリーム内において、非常に低いデータ転送速度で送信される。エンコーディング側においてＱＭＦ（Ｑｕａｄｒａｔｕｒｅ Ｍｉｒｒｏｒ Ｆｉｌｔｅｒ、直交ミラーフィルタ）分析を用いるこのようなＳＢＲ分析が図２にボックス２０２として示されている。典型的には、このようなＱＭＦ分析は、例えば６４個の信号サブバンドを分析することによって、必須のスペクトル信号情報を求める。復号側では、６４個のサブバンドを含むＱＭＦ合成フィルタバンクを用いたＳＢＲ合成２１２内で信号情報が用いられる。
【００５６】
先に概説された変換ベースの符号化方式の第一の利点は、信号成分と、対応する量子化雑音成分（マスキングされるよう意図される）とを臨界帯域幅の範囲内に保持し、人間の耳のマスキング特性の恩恵を最大限利用して、その結果、知覚的には雑音のない符号化に必要なデータ転送速度を最小限に抑えることである。
【００５７】
ＤＲＣメタデータのトランスコーディングに進む前に、オーディオデコーダにおけるこのようなＤＲＣメタデータの利用について手短に概観する。フレームまたはブロックごとに、オーディオデコーダは特定のフレームのために新しいゲイン値が送信されているかどうかを示す受信ビットストリームを解析することになる。新しいゲイン値が提供されない場合、デコーダは最後に送信されたゲイン値を用いることになる。一方、新しいゲイン値が受信されていれば、この新しいゲイン値が読み込まれて適用されることになる。
【００５８】
ＡＡＣおよびＡＣ−３等の或るグループのオーディオコーデックの場合、フレームから復号されたスペクトルオーディオデータを増幅するまたは減衰させるために、新しく受信されたゲイン値が用いられることになる。換言すると、ゲインは逆ＴＤＡＣ変換の適用前にスペクトルオーディオサブバンドに適用される。この変換の適用、および変換との関係で通例、適用されるサンプルの重複のおかげで、さらに、関連する窓掛けのおかげで、ゲイン値は、連続するフレームの間で効果的に補間されることになる。この状況において、補間関数は重み関数と見なすことができる。図３に、このような補間されたゲイン曲線が図示され、そこにはＡＡＣコーデックのＳ字状の補間関数３０１が示される。図４ａに、典型的な補間関数がグラフ４０１として示される。図４ｂに、対応する窓関数４０２が示される。加えて、非対称的な窓関数および関連補間関数が同様に用いられてもよいことに留意されたい。このような非対称的な窓関数は、例えば、１つの信号ブロックから次のブロックへ窓関数が変更されるときに生じる場合がある。図４ｃに、このような非対称的な窓関数４１１および４１２ならびにそれらの関連補間関数４２１および４２２が示される。
【００５９】
さらに、図５は、３つの連続ブロックまたはフレームのための補間されたゲイン曲線を示す。図より分かるように、ゼロブロックから第１のブロックまでの、６ｄＢから０ｄＢへのゲイン遷移がＡＡＣ窓関数によって補間されて典型的なＳ字状の補間曲線５０１をもたらしている。第１のブロックから第２のブロックまでは、ゲイン値は０ｄＢで不変のままであるため、ゲイン曲線５０２は平坦な状態が継続する。次に、第３のブロックにおいて−３．５ｄＢまでさらなるゲイン遷移が起き、典型的なＳ字状の補間曲線５０２を再び生じさせる。
【００６０】
ＨＥ ＡＡＣコーデック等の別のグループのオーディオコーデックの場合は、ＭＤＣＴスペクトルにゲインが適用されることはない。その代わり、ゲインは、逆ＭＤＣＴ変換の後に通例続くＱＭＦ（Ｑｕａｄｒａｔｕｒｅ Ｍｉｒｒｏｒ Ｆｉｌｔｅｒ、直交ミラーフィルタ）合成の前に適用されることになる。デフォルトでは、ゲイン値は、図３において補間曲線３０２として示される通り、隣接するフレームまたはスロットの間で線形補間される。加えて、ＨＥ ＡＡＣビットストリーム構文は、８つの別々の補間曲線３０３のうちの１つを選ぶための３つのさらなるビットを確保する。これらの方式は本質的に補間を行うものではなく、古いゲイン値を異なる期間、保持した後、所定の遷移曲線に従って新しいゲインに「急激に」跳ぶというものである。図３は、フレーム幅にわたって配された遷移曲線３０３のセットを示す。このような急激なゲイン遷移曲線の方が、ゲインアタック等の、突然のゲイン変更が要求される状況によく合う。ＨＥ ＡＡＣ符号化方式についても同様に、一連のゲイン値は効果的に補間され、図３に示される通りのゲイン曲線３０２および３０３を形成する。この補間はＱＭＦ合成のインパルス応答に関連する。
【００６１】
ゲイン値は現実には離散的な格子上でしかサンプリングされないが、解説を容易にするために、ゲイン曲線とも呼ばれるゲイン制御信号は、無限に高い分解能を有すると仮定されることができる。一方の表現からもう一方へ行くために、サンプリングされたゲイン値を時間的に連続なものに補間する補間段階が仮定されればよい。この段階は通例、先に説明された、デコーダのサンプルホールドセマンティクスに従う。フレームごとにゲイン制御係数を搬送する代わりに、ドルビーＥ等の一部のオーディオデータフォーマットは、選択されたメタデータプロファイルおよび特にコンプレッサプロファイルの信号伝達を可能にする。トランスコーディングの目的のために、このようなコンプレッサプロファイルはゲイン制御信号と見なされることができる。実際、コンプレッサプロファイルは一つ一つのオーディオ信号サンプルに特定のゲイン値を暗黙的に割り当てる。それ故、コンプレッサプロファイルはゲイン制御信号を実質的に定義する。補間段階を用いると、これらのゲイン制御信号も同様に時間的に連続した信号表現を有するものとなる。
【００６２】
以下において、メタデータのトランスコーディングの問題がさらに分析される。これに関連して、Ｗ．シルトバッハ（Ｗ．Ｓｃｈｉｌｄｂａｃｈ）他、「ダイナミックレンジ制御係数および他のメタデータの、ＭＰＥＧ−４ ＨＥ ＡＡＣへのトランスコーディング（Ｔｒａｎｓｃｏｄｉｎｇ ｏｆ ｄｙｎａｍｉｃ ｒａｎｇｅ ｃｏｎｔｒｏｌ ｃｏｅｆｆｉｃｉｅｎｔｓ ａｎｄ ｏｔｈｅｒ Ｍｅｔａｄａｔａ ｉｎｔｏ ＭＰＥＧ−４ ＨＥ ＡＡＣ）」、オーディオ技術者協会（Ａｕｄｉｏ Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｏｃｉｅｔｙ）、第１２３回大会、２００７年１０月５〜８日、ニューヨーク、ニューヨーク州、が参照され、参照により援用されている。
【００６３】
すでに述べられたように、トランスコーディングの目標は、トランスコードされたメタデータ、および特にトランスコードされたゲイン値に従うオーディオ信号が、元のゲインが適用されたオーディオ信号と同じかまたはできる限り同様に聞こえるものとなることである。この規定目標から、トランスコーディングアルゴリズムに対するいくつかの制約が導き出されることができる：
・元のゲイン値の処理を受けた信号がクリッピングしなかったところでは、トランスコードされたゲイン値の処理を受けた信号も同様にクリッピングしてはならない。すなわち、信号はクリッピングからの保護を維持しなければならない。これは、トランスコードされた信号に適用されるゲインが、受信したゲインを決して超えないようにゲインサンプルを選定することによって達成されることができる。
・静的なゲイン曲線については、トランスコードされたゲイン曲線は同じものにならなければならない。すなわち、準静的な信号については元のゲイン曲線とトランスコードされたゲイン曲線との間に不一致があってはならない。
・動的なゲイン変更が起きたときは、トランスコードされた信号に適用されるゲインは、受信したゲインをできるだけよく模倣するものとならなければならない。すなわち、リリースおよびアタック時刻がよく似たものとならなければならない。
【００６４】
これらの制約を考慮すると、いくつかのトランスコーディングアルゴリズムを定式化することができる。これらのトランスコーディングアルゴリズムを以下に概説する。最初のオーディオ符号化フォーマットのゲイン値をソースゲイン値と呼ぶこととし、対応するオーディオ符号化フォーマットをソース符号化方式のソースフォーマットと呼ぶこととする。トランスコードされたゲイン値をターゲットゲイン値と呼び、関連するオーディオ符号化フォーマットをターゲット符号化方式のターゲットフォーマットと呼ぶこととする。
【００６５】
特定のトランスコーディング状況に応じて、制約の異なるセットまたはサブセットは、置かれる重点が異なる場合があることに留意されたい。或る状況では、ターゲットゲイン曲線が常にソースゲイン曲線以下となっていることを確実にすることが有益である場合がある。ターゲット側でのオーディオ信号のクリッピングを避けようとするならば、これが好ましい選択肢となる場合がある。一方、サンプル点の或るセットにおいてのみターゲットゲイン曲線がソースゲイン曲線以下となっていることを確実にすれば十分である場合もある。例えば、ターゲットゲイン値のみがソースゲイン値以下となっていることを規定すれば十分である場合がある。そのような場合、ソース側および／またはターゲット側における補間のせいで、或る点でターゲットゲイン曲線がソースゲイン曲線を超えてしまうということが起きる可能性がある。しかし、これにより、許容範囲内で過変調の影響を受けることになるが、全体としてはソースゲイン曲線およびターゲットゲイン曲線のよりよい一致が得られる場合がある。さらに、トランスコーディング状況によっては、ターゲットゲイン曲線またはターゲットゲイン値をソースゲイン曲線またはソースゲイン値以下とすることに関する制約をさらに弱めることが適当である場合がある。このような場合は、ゲイン曲線同士の全体的な一致に重点を置けばよい。
【００６６】
以下のアルゴリズムは、ゲインメタデータをソース符号化方式からターゲット符号化方式に漸進的にトランスコードするために用いられることができるということにも留意されたい。このことは、エンコードされたオーディオ信号のリアルタイム性の故に重要である。従って、典型的なトランスコーディングシナリオでは、任意の数のソース符号化ブロックをバッファし、これらのバッファされたソース符号化ブロックに対して全体的なトランスコーディング操作を遂行するということは不可能である。それ故、適当なトランスコーディングアルゴリズムが、漸進的なトランスコーディングをブロックごとに遂行する必要がある。このような漸進的なブロック単位のトランスコーディングは以下のトランスコーディングアルゴリズムを用いて達成すればよい。
【００６７】
さらに、以下のアルゴリズムは、整合していないフレーミングに適用可能であることに留意されたい。これは、ソース符号化方式のフレーミングおよびターゲット符号化方式のフレーミングは、フレームサイズ、すなわちフレーム毎のサンプル数またはフレーム毎に包含されるオーディオ信号の長さ、に関しても、フレーム同士の同期、すなわちそれらのそれぞれの開始および終了時刻、に関しても、任意に異なる場合があることを意味する。実際、ソース符号化方式およびターゲット符号化方式のサンプリングレートまでも異なる場合がある。
【００６８】
さらに、以下のアルゴリズムはオーディオゲインデータのトランスコーディングにのみ限定されるものではなく、信号を１つの圧縮ビットストリームフォーマットから、フォーマットのフレーミングに互換性がない別のフォーマットにトランスコードする任意のデバイスに適用されることもできるいうことが言える。オーディオ符号化に関するいくつかの例が、ドルビーＥからＨＥ−ＡＡＣへ／ＨＥ−ＡＡＣからドルビーＥへのトランスコーダ類、またはドルビーデジタルからＨＥ−ＡＡＣへ／ＨＥ−ＡＡＣからドルビーデジタルへのトランスコーダ類である。例えば、たとえドルビーデジタルビットストリームがメタデータ用のスペースを配分しても、ＡＡＣ／ＨＥ−ＡＡＣおよびドルビーデジタルビットストリームは異なるフレーミングを有するという事実のせいで、メタデータをＡＡＣ／ＨＥ−ＡＡＣビットストリームからドルビーデジタルビットストリームに直接マップすることは不可能である。従って、ＡＡＣ／ＨＥ−ＡＡＣビットストリーム内で搬送されるメタデータを維持するためには、メタデータ変換の遂行に、以下に記載されるもののような方法およびアルゴリズムが必要とされる。
【００６９】
アルゴリズム１：順位フィルタ
上述の制約を満たすまたはそれに近づける１つの可能性は、ソースゲイン値に順位フィルタを適用することである。ｇ’ｉ，ｉ＝０，．．．，Ｎ−１、をターゲットフォーマットのＮ個のフレームためのターゲットゲイン値とし、ｇｊ，ｊ＝１，．．．，Ｍ−１、をソースフォーマットのＭ個のフレームためのソースゲイン値とする。さらに、ｔ’ｉを関連ターゲットゲイン値ｇ’ｉが適用される時刻とし、ｔｊをソースゲイン値ｇｊが適用される時刻とする。
【００７０】
ソースフォーマットのデコーダ内で用いられる、フィルタバンクの補間関数、および／または窓関数によって、ソースゲイン値群ｇｊは、Ｇ（ｔ）と呼ばれる、２つの隣接するソースゲイン値ｇｊおよびｇｊ＋１の間の曲線セグメント群Ｇｊ（ｔ）の連結から成る連続的なソースゲイン曲線を定義する。Ｗ（ｔ）が２つのソースゲイン値の間の補間または重み関数であれば、曲線セグメントＧｊ（ｔ）は次式のように書ける：
【００７１】
【数１】
【００７２】
図６は、ｊ＝０，．．．，７とする曲線セグメント群Ｇｊ（ｔ）の連結から成る、このような補間されたソースゲイン曲線Ｇ（ｔ）、６０１を示す。換言すると、ソースゲイン曲線Ｇ（ｔ）、６０１は時刻ｔｊ，ｊ＝０，．．．，８、における９つのソースゲイン値ｇｊ，ｊ＝０，．．．，８に基づく。図示の例において、基底をなすソース符号化方式は、線形補間方法を選択したＨＥ ＡＡＣとなっている。この線形補間方法が、隣接するソースゲイン値ｇｊの間の線形的な遷移を明らかにしている。他の符号化方式が、同様の補間されたソースゲイン曲線を与えることに留意されたい。
【００７３】
【数２】
【００７４】
上式を用いて時刻ｔ’ｉにおけるターゲットゲイン値ｇ’ｉを選択すると、或る補助的な条件の下で上述のトランスコーディング制約が満たすことができることを実証できる。一般的に、βが
【００７５】
【数３】
【００７６】
となるように選択されれば、補間されたターゲットゲイン曲線は、補間されたソースゲイン曲線を常に下回ることになると言える。特に、これは、基底をなす符号化方式が線形補間方式を用いる場合に当てはまる。
【００７７】
図７ａおよび図７ｂにこのことが概略的に示されている。図７ａは、（ｔ’ｉ＋１−ｔ’ｉ）≦（ｔｊ＋１−ｔｊ）、すなわちターゲットの符号化フォーマットのフレームサイズがソースの符号化フォーマットのフレームサイズ以下である場合を示す。例えば、このような状況は、メタデータをＨＥ ＡＡＣの長いフレーム分解能からドルビーデジタルにトランスコードするときに生じる場合がある。ソースゲイン曲線７０１は、丸印によって表される、時刻インスタンスｔ０、ｔ１、ｔ２およびｔ３におけるソースゲイン値ｇｊによって定義される。わかりやすくするために、ＨＥ ＡＡＣから知られる通りの線形補間が適用されている。図７ａから分かるように、βが（ｔｊ＋１−ｔｊ）以上となるように選ばれれば、時刻インスタンスｔ’０ないしｔ’１８における一連のターゲットゲイン値ｇ’ｉは式（２）を用いて決定されることができる。これらのターゲットゲイン値ｇ’ｉは図７ａ内の×印として表されており、ソースゲイン曲線７０１を常に下回るターゲットゲイン曲線７０２を生じさせる。（ｔｊ＋１−ｔｊ）時刻インスタンス後方および前方に及ぶ、時刻インスタンスｔ’８を中心とした期間を示す両矢印７０３により、ｇ’ｉについての式の操作の様式を見ることができる。換言すると、βは（ｔｊ＋１−ｔｊ）に等しい。この期間内において、
【００７８】
【数４】
【００７９】
として、最小ソースゲイン値ｇｊがターゲットゲイン値ｇ’ｉとして選ばれる。時刻インスタンスｔ’８においては、ターゲットゲイン値ｇ’８は時刻インスタンスｔ２におけるソースゲイン値ｇ２と決定される。
【００８０】
図７ｂは、（ｔ’ｉ＋１−ｔ’ｉ）≧（ｔｊ＋１−ｔｊ）、すなわちターゲットの符号化フォーマットのフレームサイズがソースの符号化フォーマットのフレームサイズ以上である場合を示す。例えば、この状況は、ドルビーデジタルをＨＥ ＡＡＣの長いフレーム分解能にトランスコードするときに生じる場合がある。時刻インスタンスｔ０ないしｔ１８におけるソースゲイン値ｇｊは丸印によって表され、ソースゲイン曲線Ｇ（ｔ）、７１１を生じさせている。βを（ｔ’ｉ＋１−ｔ’ｉ）以上となるように選択すると、時刻インスタンスｔ’０ないしｔ’３における一連のターゲットゲイン値ｇ’ｉは式（２）を用いて決定されることができる。これらのターゲットゲイン値は図７ｂ内の×印として表されている。図より分かるように、これらのターゲットゲイン値ｇ’ｉは、ソースゲイン曲線Ｇ（ｔ）、７１１を常に下回るターゲットゲイン曲線７１２を生じさせる。図７ａと同様に、両矢印７１３は、β＝（ｔ’ｉ＋１−ｔ’ｉ）の場合の、時刻インスタンスｔ’１を中心とした期間を示す。
【００８１】
ここで、（ｔ’ｉ＋１−ｔ’ｉ）＝（ｔｊ＋１−ｔｊ）の場合についてのトランスコーディングの例が示される図６に注目する。β＝（ｔ’ｉ＋１−ｔ’ｉ）の場合は、点線のターゲットゲイン曲線６０２が得られることが分かる。さらに、時刻インスタンスｔ’＝４を中心とした関連期間が両矢印６０４によって示されている。ターゲットゲイン曲線のコンプレッサリリースはソースゲイン曲線６０１のコンプレッサリリースに比べて遅れていることに留意されたい。厳密に言うと、ソースゲイン曲線のコンプレッサリリースは時刻インスタンスｔ＝３から開始するのに対して、ターゲットゲイン曲線のコンプレッサリリースは時刻インスタンスｔ’＝４になってようやく開始する。一方、ターゲットゲイン曲線のアタックはソースゲイン曲線のアタックに比べて進んでいることも分かる。厳密に言うと、ソースゲイン曲線のコンプレッサアタックは時刻インスタンスｔ＝２から開始するのに対して、ターゲットゲイン曲線のコンプレッサアタックは時刻インスタンスｔ’＝１からすでに開始している。
【００８２】
図６は、パラメータβ＝０．５×（ｔ’ｉ＋１−ｔ’ｉ）、すなわち式（３）において規定される限界を下回るパラメータ値、を選択することによって得られた第２のターゲットゲイン曲線６０３も示している。パラメータβを、
【００８３】
【数５】
【００８４】
であるように選ぶと、ターゲットゲイン曲線がソースゲイン曲線を常に下回ることを保証することはもはやできなくなる。しかし、パラメータβの変化は、コンプレッサリリースの遅れの量および／またはコンプレッサアタックの進みの量の制御を与える。図６におけるターゲットゲイン曲線６０３は、β＝０．５×（ｔ’ｉ＋１−ｔ’ｉ）を選択すると、コンプレッサアタックおよびリリース曲線をターゲットゲイン曲線６０２よりもソースゲイン曲線６０１に近づけられることができることを示している。ターゲットゲイン値を決定するために妥当な期間のサイズが時刻インスタンスｔ’＝４における両矢印６０５として示されている。しかし、βの値が低すぎるとソースゲイン曲線を大幅に超えるターゲットゲインをもたらしうるため、β＜ｍａｘ｛（ｔ’ｉ＋１−ｔ’ｉ），（ｔｊ＋１−ｔｊ）｝であるパラメータβは注意深く選定されなければならないことに留意されたい。このような過度のゲインオーバーシュートは、クリッピング等の可聴のオーディオ不良をもたらす場合がある。従って、適当なパラメータβの選択は、複数の種々の側面の考慮の下で作られるメタデータトランスコーダの設計者によってなされる妥協の結果となる。例えば、このような側面として、適用されるオーディオ符号化フォーマット、エンコードされるコンテンツ、ソース符号化方式からターゲット符号化方式へのトランスコーディングの方向、およびその他が挙げられる。
【００８５】
このアルゴリズムは、特に、異なる時刻インスタンスｔｊに関連付けられるメタデータが、予め順序付けられた様式で入ってくる場合、計算の複雑さを低くして実装することができることに留意されたい。これは、ターゲットゲイン値ｇ’ｉの計算のために用いられるソースゲイン値ｇｊの数が少ないという事実のおかげである。通例、最小値を判定するにはごくわずかの比較演算しか必要とされない。さらに、提案されている順位フィルタアルゴリズムは、ターゲットゲイン値ｇ’ｉを決定するために複数のソースゲイン値ｇｊおよびそれらの関連時刻インスタンスｔｊを利用するのみであることに留意されたい。このデータはトランスコーディングユニットにおいてメタデータビットストリームから直接、容易に入手することができ、いかなる追加の処理も要しない。この特性のおかげで、提案されている順位フィルタアルゴリズムの計算の複雑さがさらに低くなる。
【００８６】
図８は、上述の順位フィルタアルゴリズムを用いた、ソースゲイン曲線８０１のトランスコーディングのさらなる例を示す。図示の例では、ソースの符号化フォーマットのフレームサイズは２５６個のサンプルであるのに対して、ターゲットの符号化フォーマットのフレームサイズは２０４８個のサンプルである。パラメータβは、β＝ｍａｘ｛（ｔ’ｉ＋１−ｔ’ｉ），（ｔｊ＋１−ｔｊ）｝とするように選択されている。このようなトランスコーディング状況は、より低い帯域幅の送信を提供するために、ドルビーデジタル等の符号化方式が、相対的に長いフレームサイズを定義する可能性があるＨＥ ＡＡＣにトランスコードされるときに生じる場合がある。図８はトランスコードされたターゲットゲイン曲線８０２も示しており、パラメータβに関する規定条件に沿って、トランスコードされたゲイン曲線８０２はソースゲイン曲線８０１を下回っていることが分かる。さらに、アタックが早められ、一方、コンプレッサリリースは遅れていることが観察できる。β＜ｍａｘ｛（ｔ’ｉ＋１−ｔ’ｉ），（ｔｊ＋１−ｔｊ）｝であるパラメータβを選択することによって、この影響が低減される場合がある。ただし、これは、ソースゲイン曲線と比較して、ターゲットゲイン曲線のオーバーシュートが起こる可能性を生じさせる。
【００８７】
さらに、β＜ｍａｘ｛（ｔ’ｉ＋１−ｔ’ｉ），（ｔｊ＋１−ｔｊ）｝を選択するときは、特に、（ｔ’ｉ＋１−ｔ’ｉ）≦（ｔｊ＋１−ｔｊ）、すなわちターゲットの符号化フォーマットのフレームサイズがソースの符号化フォーマットのフレームサイズ以下である場合、時刻インスタンスｔ’ｉを中心とした期間［ｔ’ｉ−β，ｔ’ｉ＋β］内にソースゲイン値ｇｊが１つも特定されることができないということが起きる可能性があることに留意されたい。このような場合、次式：
【００８８】
【数６】
【００８９】
はターゲットゲイン値ｇ’ｉのための値を与えることができなくなるであろう。それ故、上述の式（２）を用いて新しい値のターゲットゲイン値が特定されるまでは、デコーダのサンプルホールド動作を利用し、ターゲットゲイン値ｇ’ｉは不変のままであると仮定することが都合よい場合がある。換言すると、ターゲットゲイン値の式は次のように書くことができる：
【００９０】
【数７】
【００９１】
代替的に、ソース符号化方式上でデコーダのサンプルホールド動作を利用してもよい。これは、時刻インスタンスｔ’ｉを中心とした期間［ｔ’ｉ−β，ｔ’ｉ＋β］内に、更新されたソースゲイン値ｇｊが１つも特定されることができなければ、最後に検出されたソースゲイン値を現在のソースゲイン値ｇｊと仮定することを意味する。このとき、ターゲットゲイン値ｇ’ｉを決定するための式は次のように書き直すことができる：
【００９２】
【数８】
【００９３】
両「サンプルホールド」アプローチの利点は、ターゲットゲイン値ｇ’ｉが、ソースゲイン値ｇｊのみに基づいて決定されることである。先に概説したように、順位フィルタアルゴリズムのこの特性はその計算の複雑さを低くする。
【００９４】
代替的に、ソースゲイン曲線Ｇ（ｔ）の正確な推移をさらに考慮し、次の変更された式を用いてターゲットゲイン値ｇ’ｉを決定することが都合よい場合がある：
【００９５】
【数９】
【００９６】
これは、（ｔ’ｉ＋１−ｔ’ｉ）≦（ｔｊ＋１−ｔｊ）、すなわちターゲットの符号化フォーマットのフレームサイズがソースの符号化フォーマットのフレームサイズ以下である場合、非常に都合がよい可能性がある。ターゲットゲイン値ｇ’ｉを選択するための適当なソースゲイン値のセットが空になることは決してなかろうからである。関連アルゴリズムを一般化順位フィルタアルゴリズムと呼ぶこととする。
【００９７】
一方、この変更選択式はメタデータトランスコーダにおいてソースゲイン曲線の知識を必要とすることに留意されたい。特に、メタデータトランスコーダは、補間関数Ｗ（ｔ）の知識、または場合によっては、ソース符号化方式によって用いられる補間関数のセットの知識までも有する必要がある。これらの補間関数Ｗ（ｔ）およびソースゲイン値ｇｊに基づき、ソースゲイン曲線セグメントＧｊ（ｔ）を決定し、これによりソースゲイン曲線Ｇ（ｔ）を決定することができる。全体としては、変更された選択式を用いることによって、ソースゲイン値ｇｊのみを用いる形式の順位フィルタアルゴリズムに比べてトランスコーディングアルゴリズムの計算の複雑さは増大することになろうということが予想される。
【００９８】
上述の式（８）は、ソースゲイン曲線Ｇ（ｔ）のサンプルのセットを考慮するだけで変更されることができるということにも留意されたい。例えば、ターゲットゲイン値の時刻インスタンスｔ’ｉおよび／またはソースゲイン値の時刻インスタンスｔｊにおけるソースゲイン曲線の値のみを考慮することが都合よい場合がある。このとき、式は次のように書き直すことができよう：
【００９９】
【数１０】
【０１００】
ソースゲイン曲線Ｇ（ｔ）をサンプル値のセットに限定することで一般化順位フィルタアルゴリズムの計算の複雑さを低減できよう。さらに、ソースゲイン曲線Ｇ（ｔ）のセグメントは２つの隣接するソースゲイン値ｇｊ、ｇｊ＋１および補間用重み関数Ｗ（ｔ）によって記述されることができることに留意されたい。それ故、ソースゲイン曲線Ｇ（ｔ）のサンプルのセットのみが要求される場合は、サンプルのこの完全なセットはソースゲイン値ｇｊ、および補間関数Ｗ（ｔ）のサンプルの限定セットから決定されればよい。補間関数Ｗ（ｔ）のサンプルのこの限定セットは、例えばメタデータトランスコーダのメモリ内に記憶することができる。
【０１０１】
両方の選択式の組み合わせ、すなわち順位フィルタアルゴリズムおよび一般化順位フィルタアルゴリズムの組み合わせ、を用いることを考えることもできよう。例えば、ターゲットのブロックサイズがソースのブロックサイズ以上である状況では、ソースゲイン値ｇｊのみを用いる複雑さの低い順位フィルタアルゴリズムを用いることが都合よい場合があり、一方、ターゲットのブロックサイズがソースのブロックサイズ以下である状況では、ソースゲイン曲線Ｇ（ｔ）、またはサンプルのセットを用いる複雑さがより高い一般化順位フィルタアルゴリズムが用いられる。
【０１０２】
アルゴリズム２：「最良一致」ゲイン
トランスコーディングについての上述の制約を満たすまたは少なくともそれに近づける第２のアルゴリズムを決定するために、ソースゲイン曲線Ｇ（ｔ）とターゲットゲイン曲線Ｇ’（ｔ）を比較することになる。Ｗ’（ｔ）をターゲットの復号方式の補間関数とする。例えば、ＡＡＣコーデックのための補間関数は、窓サイズの半分を単位として、Ｗ’（ｔ）＝（ｓｉｎ（ｔπ／２））２と書くことができる。この補間または重み関数は典型的には窓関数の自乗である。コーデックによっては窓の切り替えの可能性も見越すため、補間関数Ｗ’（ｔ）は１つの符号化ブロックから別のブロックへ変化する場合があることに留意されたい。さらに、コーデックのブロックサイズが変化する場合があり、これも窓関数の変化を生じさせる。これらの影響および事情は、ゲイン曲線セグメントごとに適当な補間関数Ｗ’（ｔ）を選択することによって配慮することができる。
【０１０３】
ターゲットの復号方式の補間関数Ｗ’（ｔ）を用いると、２つのターゲットゲイン値ｇ’ｉとｇ’ｉ＋１との間の補間されたターゲットゲイン曲線Ｇ’（ｔ）は次のように書くことができる：
【０１０４】
【数１１】
【０１０５】
全体的なターゲットゲイン曲線Ｇ’（ｔ）は、隣接するターゲットゲイン曲線セグメント群Ｇ’ｉ（ｔ）を連結するによって得ることができる。
【０１０６】
ｇｊ，ｉは、ｔ’ｉ＜ｔｊ，ｉ≦ｔ’ｉ＋１である時刻ｔｊ，ｉにおける全てのソースゲイン、すなわち２つの連続するターゲットゲイン値ｇ’ｉおよびｇ’ｉ＋１の間の期間内のソースゲイン値のグループ、を表すものとする。ソース符号化方式およびターゲット符号化方式の両方の上におけるフレームサイズの「オンザフライの」変化の故に、期間内のソースゲイン値のグループ、および同様に期間の長さそのものがその場その場で変化する場合があることに留意されたい。それ故、ｔｊ，ｉにおけるｉおよびｊの可能な組み合わせも同様にブロックごとに変わる場合がある。
【０１０７】
ターゲットゲイン値ｇ’ｉ、およびより厳密には、期間［ｔ’ｉ，ｔ’ｉ＋１］内で一連のソースゲイン値ｇｊ，ｉ以下となるターゲットゲイン曲線セグメントＧ’ｉ（ｔ）を選択する条件は次のように書ける：
【０１０８】
【数１２】
【０１０９】
換言すると、時刻インスタンスｔｊ，ｉにおけるターゲットゲイン曲線Ｇ’（ｔ）は時刻インスタンスｔｊ，ｉにおけるソースゲイン値以下となる必要がる。
【０１１０】
時刻インスタンス（ｔｊ，ｉ−ｔ’ｉ）におけるターゲットの復号方式の補間関数は値Ｗ’ｊ，ｉ＝Ｗ’（ｔｊ，ｉ−ｔ’ｉ）をとるものと定義し、ターゲットゲイン曲線セグメントＧ’ｉ（ｔ）についての式を考慮すると、条件は次式：
ｇ’ｉ（１−Ｗ’ｊ，ｉ）＋ｇ’ｉ＋１Ｗ’ｊ，ｉ≦ｇｊ，ｉ、
のように書くことができ、これは次式のように書き直すことができる：
【０１１１】
【数１３】
【０１１２】
この不等式の結合セットは、全てのターゲットゲイン値ｇ’ｉ，∀ｉ、について妥当である必要がある。さらに、ターゲットゲイン値ｇ’ｉは全てゼロ以上、すなわちｇ’ｉ≧０，∀ｉ、である必要がある。正規化された補間関数について、すなわち｜Ｗ’（ｔ）｜≦１である補間関数については、これは
【０１１３】
【数１４】
【０１１４】
となることが観察される結果ももたらし、それ故、不等式は次のように書き直すことができる：
【０１１５】
【数１５】
【０１１６】
同様にして、ターゲットゲイン曲線セグメントＧ’ｉ（ｔ）に続いて隣接するターゲットゲイン曲線セグメントＧ’ｉ＋１（ｔ）についての不等式は次のように書ける：
【０１１７】
【数１６】
【０１１８】
ここで、ｔ’ｉ＋１＜ｔｊ，ｉ＋１≦ｔ’ｉ＋２として、Ｗ’ｊ，ｉ＋１＝Ｗ（ｔｊ，ｉ＋１−ｔ’ｉ＋１）である。この不等式は、ｇ’ｉ＞０，∀ｉ且つ、補間関数Ｗ’（ｔ）は正規化されている、すなわちＷ’ｊ，ｉ≦１，∀ｉ，ｊ、である事実の故に、ｇ’ｉ＋１についてのもう１つの条件、すなわち：
【０１１９】
【数１７】
【０１２０】
を与える。すでに上述されたように、ｉおよびｊの可能な組み合わせはソース符号化方式のブロックサイズとターゲット符号化方式のブロックサイズとの間の現在の関係によって与えられる。これらの可能な組み合わせはブロックごとに展開しブロックごとに異なっていてもよい。
【０１２１】
ｇ’０＝０とセットすると、残りのｇ’ｉ，ｉ＞０は、不等式のセットによって与えられるレンジから選択することができる。
【０１２２】
図９ａに、ターゲット符号化方式の期間［ｔ’ｉ，ｔ’ｉ＋１］がソース符号化方式の期間［ｔｊ，ｔｊ＋１］以上である例のための選択のプロセスが示される。図９ａは、時刻インスタンスｔ０ないしｔ１８におけるソースゲイン値ｇ０ないしｇ１８のそれぞれの補間によって得られるソースゲイン曲線９０１を示している。このソースゲイン曲線９０１について、トランスコードされたターゲットゲイン曲線Ｇ’（ｔ）を決定する。図示の例では、このターゲットゲイン曲線は、図９においてグラフセグメント９０２、９０３および９０４としてそれぞれ示される３つのターゲットゲイン曲線セグメントＧ’０（ｔ）、Ｇ’１（ｔ）およびＧ’２（ｔ）を含む。期間［ｔ’ｉ，ｔ’ｉ＋１］内においてＧ’ｉ（ｔｊ，ｉ）≦ｇｊ，ｉ、である条件は、図示の例の場合、Ｇ’０（ｔ）について：
Ｇ’０（ｔ０）≦ｇ０，Ｇ’０（ｔ１）≦ｇ１，Ｇ’０（ｔ２）≦ｇ２，Ｇ’０（ｔ３）≦ｇ３，Ｇ’０（ｔ４）≦ｇ４，Ｇ’０（ｔ５）≦ｇ５，Ｇ’０（ｔ６）≦ｇ６
と書くことができ、Ｇ’１（ｔ）およびＧ’２（ｔ）についても同様に書くことができる。ターゲットデコーダの補間関数Ｗ’（ｔ）を用いる場合、ｊ＝０，．．．，６についての値Ｗ’ｊ，０＝Ｗ’（ｔｊ，０−ｔ’０）を計算することができる。先に与えられた等式内でこれらの補間値を用いることによって、先に選択されたターゲットゲイン値ｇ’０の関数としてのターゲットゲイン値ｇ’１についての不等式のセットを得ることができる。期間［ｔ’０，ｔ’１］内でターゲットゲイン曲線セグメントＧ’０（ｔ）、すなわちグラフ９０２、をソースゲイン曲線９０１に一致させる好ましい方法は、全ての不等式が同時に満たされる最大ターゲットゲイン値ｇ’１を選択することである。
【０１２３】
ターゲットゲイン値ｇ’ｉは、導出された不等式によって許されるレンジから注意深く選定される必要があることに留意されたい。ターゲットゲイン値ｇ’ｉのための局所的最適値が選択されると、上述の不等式は次のターゲットゲイン値ｇ’ｉ＋１のために可能な値の選択を著しく制限する場合がある。これにより、一般に好ましくない振動的なターゲットゲイン曲線Ｇ’（ｔ）を最終的に生じさせてしまう場合がある。このような振動的な挙動の一例が、ｇ’０＝０を選択したときに見ることができ、ｇ’０＝０を選択すると、上述の式（１２）および（１４）による、ｇ’１のための最適且つ最大値の選択に大きな自由度を残すことになる。しかし、これは、大きな修正部分
【０１２４】
【数１８】
【０１２５】
のせいで、ｇ’２の選択を小さくするように、またはゼロにするようにとまで要請する場合がある。次のステップでは、不等式のセットに従って次のターゲットゲイン値ｇ’３を自由に最大化させることができる。以上より分かるように、１度に１つのターゲットゲイン値ｇ’ｉしか扱わないこのような局所的な最適化および選択プロセスは、ターゲットゲイン曲線Ｇ’（ｔ）内に好ましくない振動を生じさせる場合がある。
【０１２６】
それ故、データに局所的に適合させすぎないで、より大域的な最適化プロセス内でターゲットゲイン値を選択することが都合よい場合がある。例えば、ターゲットゲイン値を、先に概説された順位フィルタアルゴリズムに従って決定されるターゲットゲイン値ｇ’ｉ以上に限定するなど、ターゲットゲイン値ｇ’ｉを追加の制約に従わせることによって振動を回避できる場合がある。その結果、最良一致ゲインアルゴリズムに関連して概説された不等式に加えて、これらの条件が満たされることになろう。
【０１２７】
さらに、ｔ’ｉ＜ｔｊ，ｉ≦ｔ’ｉ＋１でソースゲイン値ｇｊ，ｉが１つも存在しないターゲット期間［ｔ’ｉ，ｔ’ｉ＋１］の場合は、上述のアルゴリズムは不等式Ｇ’ｉ（ｔｊ，ｉ）≦ｇｊ，ｉを与えないことになろうということに留意されたい。その結果、対応するターゲットゲイン値ｇ’ｉの選択を制限する条件が存在しなくなるであろう。このような状況は、ターゲット符号化方式のブロック／フレームサイズがソース符号化方式のブロックサイズよりも小さいときに生じる場合がある。この問題は、例えばオーディオデコーダのサンプルホールド動作を適用することによって克服される場合がある。例えば、このような場合には、ｇｊ，ｉを、最新の既知のソースゲイン値ｇｊとするように選べばよい。
【０１２８】
代替的に、「最良一致」ゲインアルゴリズムがいかなる条件も与えないこのような場合には、先に概説された順位フィルタアルゴリズムに従ってターゲットゲイン値ｇ’ｉを選択することが都合よい場合もある。さらに、別の実施形態では、期間［ｔ’ｉ−β，ｔ’ｉ＋β］から可能なソースゲイン値ｇｊを選択することが都合よい場合もある。ここで、パラメータβは、順位フィルタアルゴリズムに関連して概説された式に従って選択すればよい。これらの可能なソースゲイン値ｇｊを用いることで、概説された「最良一致」ゲインアルゴリズムによる不等式が定式化されればよく、その結果、適当なターゲットゲイン値を決定すればよい。
【０１２９】
記載されている「最良一致」ゲインアルゴリズムは、複数のソースゲイン値ｇｊに基づいて適当なターゲットゲイン値ｇ’ｉを選択する。加えて、それは、先に示された式による補間関数Ｗ’（ｔ）を利用した、ターゲットゲイン値ｇ’ｉの補間の結果生じるターゲットゲイン曲線Ｇ’（ｔ）の推移を考慮する。このようなメタデータトランスコーダは、ソース符号化方式内で用いられる補間方式を意識する必要がなく、メタデータビットストリーム内で容易に入手できるソースゲイン値に純粋に依存する。その結果、「最良一致」ゲインアルゴリズムは、低い計算の複雑さで実装することができる。さらに、メタデータトランスコーダはターゲット符号化方式の補間関数Ｗ’（ｔ）の正確な知識を有する必要がないことに留意されたい。実際、メタデータトランスコーダが知る必要があるのは、この補間関数の特定のサンプルＷ’ｊ，ｉだけである。これらのサンプルはメタデータトランスコーダのメモリ内に表として記憶することができよう。
【０１３０】
順位フィルタアルゴリズムと同様に、「最良一致」ゲインアルゴリズムは一般化されることができ、そのため、ソースゲイン値だけでなく、ソースゲイン曲線もトランスコーディングの目的のために考慮されることにも留意されたい。「最良一致」ゲインアルゴリズムは、ソースゲイン値の時刻インスタンスにおいて、ターゲットゲイン曲線はソースゲイン値以下、すなわちＧ’ｉ（ｔｊ，ｉ）≦ｇｊ，ｉ、でなければならないことを前提とする。ソースゲイン曲線がメタデータトランスコーダに知られる場合は、この条件はソースゲイン値の時刻インスタンスにおいて、ターゲットゲイン曲線はソースゲイン曲線以下、すなわち、ｔ’ｉ＜ｔｊ，ｉ≦ｔ’ｉ＋１およびｔｊ＜ｔｊ，ｉ≦ｔｊ＋１として、Ｇ’ｉ（ｔｊ，ｉ）≦Ｇｊ（ｔｊ，ｉ）、でなければならないことを示すように再定式化されることができよう。先に与えられたターゲットゲインセグメントＧ’ｉ（ｔ）およびソースゲインセグメントＧｊ（ｔ）のための補間曲線を用いると、この不等式は次のように書くことができる：
【０１３１】
【数１９】
【０１３２】
Ｗ’ｊ，ｉ＝Ｗ’（ｔｊ，ｉ−ｔ’ｉ）を、時刻インスタンスｔｊ，ｉ、すなわちターゲットゲイン曲線のｉ番目の曲線セグメント内且つソースゲイン曲線のｊ番目の曲線セグメント内にある時刻インスタンス、における、ターゲット符号化方式の補間関数の値と定義する。同様にＷｊ，ｉ＝Ｗ（ｔｊ，ｉ−ｔｊ）を定義することができる。ソース符号化方式およびターゲット符号化方式の補間関数のこれらのサンプル値を用いると、上述の不等式は次のように書くことができる：
【０１３３】
【数２０】
【０１３４】
ソースゲイン値のみを用いる「最良一致」ゲインアルゴリズムのために与えられた式と同様に、この式は、ターゲットゲイン値ｇ’ｉ＋１をその先行ターゲットゲイン値ｇ’ｉに基づいて計算する再帰的方法を提供する。結果として生じるアルゴリズムは一般化「最良一致」ゲインアルゴリズムと呼ばれる。これは、（ｔ’ｉ＋１−ｔ’ｉ）≦（ｔｊ＋１−ｔｊ）である状況、すなわち２つの隣接するソースゲイン値の間の期間が２つの隣接するターゲットゲイン値の間の期間以上である場合に非常に都合がよい。先に概説したように、このような場合、条件ｔ’ｉ＜ｔｊ，ｉ≦ｔ’ｉ＋１を満たすことができるソースゲイン値ｇｊ，ｉが１つも存在しないということが起きる可能性がある。このような状況では、一般化「最良一致」ゲインアルゴリズムは、適当な補間されたゲインをソースゲイン曲線上に与え、ターゲットゲイン値ｇ’ｉ＋１の、その先行ターゲットゲイン値ｇ’ｉおよび補間されたソースゲイン値に基づいた決定を可能にする。
【０１３５】
図９ｂに、（ｔ’ｉ＋１−ｔ’ｉ）＜（ｔｊ＋１−ｔｊ）である場合のための一般化「最良一致」ゲインアルゴリズムの機能性を見ることができる。そこでは、線形補間されたゲイン曲線９２１が、Ｓ字型曲線の補間されたゲイン曲線９２２にトランスコードされている。このような状況は、ＨＥ−ＡＡＣゲインメタデータをＡＡＣまたはＡＣ−３ゲインメタデータにトランスコードするときに生じる場合がある。
【０１３６】
この特定の例では、ソース符号化方式のブロックサイズはターゲット符号化方式のブロックサイズのちょうど６倍であり、さらに、ブロックの境界はちょうど重なり合っている、すなわち第１のターゲット符号化ブロックの時刻インスタンスｔ’０は第１のソース符号化ブロックの時刻インスタンスｔ０と一致し、ｔ’６はｔ１と一致し、その他も同様となっている。図９ｂに示されている特定の場合については、Ｗ’ｊ，ｉ＝１であり、上述の再帰式は
【０１３７】
【数２１】
【０１３８】
となる。この場合は、時刻インスタンスｔ’ｉ＋１におけるソースゲイン曲線の値に対応する最大可能ターゲットゲイン値を選ぶことが１つの好ましい選択肢である。図９ｂにこのことが示されており、時刻インスタンスｔ’１０におけるターゲットゲイン値ｇ’１０が×印９３１として示されている。全体として、ターゲットゲイン曲線９２２はソースゲイン曲線９２１に非常によく一致していることが分かる。式（１５）によって要求される通り、ターゲットゲイン曲線９２２は時刻インスタンスｔｊ，ｉにおいてソースゲイン曲線９２１以下となっていることも分かる。一方、ターゲット符号化方式の、Ｓ字型曲線による補間の故に、ターゲットゲイン曲線はソースゲイン曲線よりも大きくなることもある。先に強調されたように、ターゲットゲイン曲線は常にソースゲイン曲線以下でなければならないという一般的制約をこのように弱めることは、或るトランスコーディング状況において、特に、２つのゲイン曲線の全体的な一致により大きな重点が置かれるときに、都合よい場合がある。
【０１３９】
「最良一致」ゲインアルゴリズムおよび一般化「最良一致」ゲインアルゴリズムの組み合わせを用いることが都合よい場合があることに留意されたい。例えば、「最良一致」ゲインアルゴリズムは、ターゲット符号化方式のブロックサイズがソース符号化方式のブロックサイズ以上である状況のために、すなわち、とりわけ、ＡＣ−３からＨＥ ＡＡＣへのトランスコーディングのために、用いられればよい。一方、一般化「最良一致」ゲインアルゴリズムは、ターゲット符号化方式のブロックサイズがソース符号化方式のブロックサイズよりも小さいという状況のために、すなわち、とりわけ、ＨＥ ＡＡＣからＡＣ−３へのトランスコーディングのために、用いられればよい。アルゴリズムを組み合わせることによって、計算の複雑さと一致性能との間のトレードオフを行うことができる。
【０１４０】
アルゴリズム３：補間の選定
さらなるアルゴリズムは、いわゆるゲイン補間方式である、ＭＰＥＧ−４ＨＥ ＡＡＣによって提供される追加のＤＲＣゲイン制御機能性を利用する。先に概説したように、ＨＥ ＡＡＣは種々の補間方式の選択を可能にし、２つの隣接するゲイン値の間の線形補間、または２つの隣接する符号化ブロックの間の８つの時刻インスタンスのうちの１つにおける急激な、「アタック」に似た補間のいずれかから選ぶことを可能にする。従って、ゲイン補間方式は２つのゲイン制御点またはゲイン値の間のゲイン補間曲線の形状の制御を可能とする。このことは図３のグラフ３０２および３０３に関連して記載されている。緩慢な補間３０２は滑らかな指数関数的ゲインリリースを模擬するのによく適しているのに対して、補間方式３０３は鋭いゲインアタックを模擬することができることが分かる。
【０１４１】
この観察より、ソースゲイン曲線をターゲットゲイン曲線にトランスコードするアルゴリズムであって、ターゲット符号化方式が種々の補間方式または種々の補間曲線パターンの選択を可能にする、ＨＥ ＡＡＣ等の場合のための以下のアルゴリズムが生じる。ターゲット符号化方式は、恐らく滑らかな「リリース」用の補間曲線パターン、およびありうる急激な「アタック」用の補間曲線パターンの選択を少なくとも可能にするものでなければならない。アルゴリズムは次のステップから成る：
１．ソースゲイン曲線の勾配を推定する。これは、例えば、その一次導関数を分析することによって、または適当な隣接するソースゲイン値の間の差を計算することによって行われることができる。もし負の勾配が特定の閾値を超えれば、現在のフレームを「アタック」（Ａ）として分類し、さもなければ現在のフレームを「リリース」（Ｒ）として分類する。
２．現在のフレームが（Ｒ）として分類された場合、先に概説された順位フィルタアルゴリズムに従って次のターゲットゲイン値を決定する。さらに、ターゲット符号化方式の、滑らかなすなわち「リリース」補間曲線が選択される。
３．現在のフレームが（Ａ）として分類された場合、先に概説された順位フィルタアルゴリズムに従って次のターゲットゲイン値を決定する。ソース符号化方式がＡＡＣまたはＡＣ−３等の変換ベースのコーデックであれば、次のターゲットゲイン値は、ＡＡＣ窓の中心を中心とした、ターゲットゲインの最小値として選択することもできる。適当な次のターゲットゲイン値の決定後、ターゲット符号化方式の「アタック」補間曲線パターンを選択する。さらに、ターゲット符号化方式が、異なる時刻インスタンスにおいて複数の「アタック」補間曲線パターンのうちの１つの選択を可能にする場合は、ソースゲイン曲線の一次導関数の絶対値が最高になる点、すなわち勾配が最も急峻になる点、に勾配が最も近い「アタック」補間曲線パターンを選択する。ソース符号化方式に応じて、ソースゲイン曲線上のこの点は異なる手段によって決定されてもよい。例えば、ＡＡＣのＳ字状の補間曲線については、２つの隣接するソースゲイン値の間の最も急峻な勾配の点は２つのソースゲイン値の間の中点になる。
【０１４２】
図１０は、ゲインメタデータの、ＡＡＣまたはＡＣ−３等の変換ベースの符号化方式からＨＥ ＡＡＣへのトランスコーディングについてのシミュレーション結果を示す。グラフ１００１はソースゲイン曲線を示し、グラフ１００２はターゲットゲイン曲線を示す。記載されている補間選定アルゴリズムを用いると、非常に良好なゲイン一致結果が達成されることができることが分かる。実際、観察された結果は、記載されている順位フィルタアルゴリズムを用いて得られた結果よりも良好であった。とりわけ、これは、補間選定アルゴリズムが、ターゲット符号化方式の、種々の補間曲線の中から選ぶ機能性を追加的に用いる事実のおかげである。この選択は、「アタック」セグメントおよび「リリース」セグメントにおけるソースゲイン曲線の分類に基づいて遂行される。換言すると、補間選定アルゴリズムはソースゲイン値、ならびにターゲットの符号化システムの窓および／または補間関数を考慮するだけでなく、適当なターゲットゲイン値および最終的に適当なターゲットゲイン曲線パターンを決定するために、ソースゲイン曲線の推移も分析する。より一般的には、補間選定アルゴリズムは、ソースゲイン値ならびにソースデコーダの窓および／または補間関数と、ターゲットゲイン値ならびにターゲットデコーダの窓および／または補間関数の両方を考慮すると言ってよい。
【０１４３】
本文書は、ソース符号化方式とターゲット符号化方式との間のゲインメタデータのトランスコーディングのためのアルゴリズムをいくつか提供している。ゲインメタデータのこのようなトランスコーディングは、オーディオストリームの制作センターとオーディオストリームの発行の最終点との間のいくつかの場面で遂行する必要がある。記載しているアルゴリズムは、符号化ブロックまたはフレームの長さが異なる、ならびに隣接するゲイン値の間の期間が異なる符号化方式の間の柔軟なトランスコーディングを可能とする。さらに、符号化ブロックのこれらの長さは任意の時点で変化する場合があり、同様に、隣接するゲイン値の間の期間もオーディオストリーム内の任意の時点で変化する場合がある。記載されているアルゴリズムはソースおよびターゲット符号化方式のこの柔軟性を考慮し、変化するブロック長および変化する期間の符号化方式の間の柔軟なトランスコーディングを可能とする。加えて、記載されているアルゴリズムはソースゲイン曲線とターゲットゲイン曲線との間の最良一致をもたらす。さらに、クリッピング等の望ましくない影響を回避するためにターゲットゲイン曲線はソースゲイン曲線を常に下回っていなければならない等の制約を考慮すればよい。
【０１４４】
最後に、計算の複雑さ、およびメタデータトランスコーダ内で処理されるデータの量に関する種々の要件を満たす複数のアルゴリズムが記載されていることに留意されたい。メタデータビットストリーム内で入手できるソースゲイン値に純粋に基づいてメタデータトランスコーディングを遂行することが都合よい場合がある。これは、プロセッサおよびメモリ要件が低減された非常に複雑さの低いトランスコーディングアルゴリズムを提供することになる。これは例えば順位フィルタアルゴリズムの場合に該当する。ターゲット符号化方式の補間方式および窓関数を追加的に考慮すると、トランスコーディングの性能を向上させる可能性がある。これは例えば「最良一致」ゲインアルゴリズムおよび補間選定アルゴリズムの場合に該当する。同様にこの場合には、メタデータトランスコーダが、メタデータビットストリームから入手できる情報に直接基づいてトランスコーディングを遂行してもよい。実際、ソース符号化方式に関する詳細な知識はメタデータトランスコーダにおいて必要とされることはなかろう。最後に、同様にソース符号化方式の補間方式および窓関数も考慮すれば、メタデータトランスコーディングをさらに向上させる場合がある。これは一般化順位フィルタアルゴリズムおよび一般化「最良一致」ゲインアルゴリズムの場合に該当する。ただし、これらのアルゴリズムはメタデータトランスコーダにおいてソース符号化方式に関する追加の情報を必要とする。このようなデータは、例えばメタデータトランスコーダのメモリ内に記憶すればよく、窓関数の、選択されたサンプルに限定することができよう。例えば、メタデータトランスコーディングが消費者のセットトップボックス内で遂行される場合は、このようなデータはセットトップボックスのメモリ内に記憶すればよい。
【０１４５】
上述のアルゴリズムは多様な方法で組み合わせられてよいことに留意されたい。例えば、特定のトランスコーディング状況のために１つのアルゴリズムを用い、トランスコーディング状況が変化すれば別のアルゴリズムに交換することが都合よい場合がある。このような変化するトランスコーディング状況は、符号化方式のブロックサイズが、例えば長いブロックから短いブロックに、変わるときに生じる場合がある。さらに、異なる窓関数が適用されると補間条件が変わる場合がある。従って、記載されているアルゴリズムの様々な組み合わせが本発明の一部と見なされることを理解されたい。特定のトランスコーディング状況のために適当なトランスコーディングアルゴリズムを選択することに加えて、順位フィルタアルゴリズムのパラメータβ等の、入手できるパラメータを特定のトランスコーディング状況に適合させることが都合よい場合もある。例えば、ソース符号化方式またはターゲット符号化方式上で符号化ブロックの長さが長いフレームから短いフレームに変われば、順位アルゴリズム内で適用される期間を変更することが適切である場合がある。
【０１４６】
概して、本文書において記載されているアルゴリズムもそれらの関連パラメータも任意の組み合わせで適用することができ、現在のトランスコーディング状況、および連続的に変化するトランスコーディング状況に適合するためにブロックごとに「オンザフライで」変更すればよいことはいうまでもない。
【技術分野】
【０００１】
関連出願への相互参照
本願は、２００８年９月３０日に出願され、その全体が本願明細書において参照により援用されている米国特許仮出願第６１／１０１，４９７号に対する優先権を主張する。
【０００２】
発明の分野
本発明はオーディオエンコーディングの分野に関する。特に、本発明は異なるオーディオ符号化方式の間のオーディオメタデータのトランスコーディングに関する。
【背景技術】
【０００３】
デジタルテレビおよびラジオシステムの普及が拡大するのに伴い、プログラムのラウドネスおよびダイナミックレンジの受信器側制御ならびにステレオダウンミックスの制御を誘導することを目的としたメタデータ、すなわち「データに関するデータ」、が重要性を増している。オーディオデータの発行用フォーマットまたは送信用フォーマットは、制作または提供用フォーマット、すなわちオーディオ信号の作成または後処理の最中に用いられる符号化方式、とは必ずしも同じであるわけではないので、メタデータを或るフォーマットから別のフォーマットへトランスコードする手段が見いだされなければならない。ａａｃＰｌｕｓとしても知られるオーディオコーデックＨＥ ＡＡＣの、いくつかの新しい放送システムへの導入に伴い、どのようにして新しいメタデータを最もうまくエンコードするか、ならびにどのようにして既存のメタデータをＨＥ ＡＡＣにトランスコードするかおよびそれからトランスコードするかという課題に取り組むことが必要になっている。
【０００４】
ＨＥ ＡＡＣ（Ｈｉｇｈ Ｅｆｆｉｃｉｅｎｃｙ Ａｄｖａｎｃｅｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ、高効率高度オーディオ符号化）は、４８ｋｂｐｓステレオにおける、全帯域幅の、ＣＤに近いオーディオ品質を提供する最新の低ビットレートコーデックである。ＨＥ ＡＡＣはＭＰＥＧ−４においてＨＥ ＡＡＣプロファイルの下で標準化された。プロファイルは、元のＭＰＥＧ−２ ＡＡＣ定義に存在する多数の弱点を改善するように、デコーダにおけるメタデータの任意の適用に関して強化された方法を用意している。特に、ＨＥ ＡＡＣは、元のプログラム素材の、特定の聴取環境における適切な再現を達成するために放送において広く用いられている、ＤＲＣ（Ｄｙｎａｍｉｃ Ｒａｎｇｅ Ｃｏｎｔｒｏｌ、ダイナミックレンジ制御）、ＤＮ（Ｄｉａｌｏｇ ｎｏｒｍａｌｉｚａｔｉｏｎ、ダイアログノーマライゼーション）、または多重チャンネルからステレオへのダウンミックス等のメタデータの指定を可能にする。
【０００５】
放送においてはＨＥ ＡＡＣ等のコーデックが広く用いられているが、制作側および受信器側では異なる符号化方式が普及している。例えば、ドルビーＥ符号化方式がコンテンツ制作者によってしばしば用いられるのに対して、シアターおよびホームシアターの復号システムでは、ＡＣ−３またはドルビーＤ符号化方式とも呼ばれるドルビーデジタル符号化方式がしばしば用いられる。それ故、制作側において初めに定義されたメタデータが、劣化せずに最後の復号システムに到達することを確実にする、異なる符号化方式の間の、オーディオメタデータのトランスコーディングが必要である。一般的に、目標は、初めに定義されたメタデータに従う元のエンコードされたオーディオストリームを、トランスコードされたメタデータに従う受信オーディオストリームと比較したとき、知覚的な差が聴取者によって全くまたはほとんど検出されることができないことを確かなものにすることである。以下の発明はこの問題に対処するものであり、特に２つのフォーマットのフレーミングに互換性がない場合に、メタデータを１つの圧縮ビットストリームフォーマットから異なる圧縮ビットストリームフォーマットに変換する方法を定義する。
【発明の概要】
【課題を解決するための手段】
【０００６】
本発明は、ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法であり、第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い、各符号化ブロックは少なくとも１つの関連ゲイン値を有する、方法を記載する。この方法では、第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした或る期間内において、第１のゲインメタデータの最小ゲイン値が選択されるように、第１のゲインメタデータの複数のゲイン値に基づいて第２のゲインメタデータのゲイン値を選択するステップを含む。
【０００７】
このような第１および第２の符号化方式の例が、ドルビーＥ、ＡＡＣ、ＨＥ ＡＡＣ、ならびに／あるいはドルビーデジタル（Ｄｏｌｂｙ Ｄｉｇｉｔａｌ、ドルビーＤ）、およびドルビーデジタルプラス等のその変形例類となろう。第１のオーディオ符号化方式はメタデータトランスコーダの入力におけるソース符号化方式と呼ぶこともできよう。それに対して、第２のオーディオ符号化方式はメタデータトランスコーダの出力におけるターゲット符号化方式と呼ぶこともできよう。両符号化方式とも、エンコードされるオーディオ信号に関連付けられるメタデータを定義する。通例、基礎をなす符号化方式は、エンコードされるオーディオ信号を複数の符号化ブロックにセグメント化する。符号化方式に応じて、このような符号化ブロックが包含するエンコードされる信号サンプルの数が異なる場合がある。さらに、符号化ブロックは、エンコードされるオーディオ信号の異なる時間の長さにそれぞれわたる場合もある。通常、各符号化ブロックは、特定の符号化ブロックのオーディオ信号に適用されるゲイン値も含む関連メタデータを有する。一方、多くのオーディオ符号化方式は、更新ゲイン値が受信される瞬間まで現在のゲイン値を維持することに存する、いわゆるサンプルホールド動作を適用する。それ故、このような場合、現在のゲイン値は、更新ゲイン値が受信されるまで符号化ブロックに関連付けられる。
【０００８】
本発明の別の態様によれば、第２のメタデータのゲイン値を選択する期間は上限および下限によって定義される。この上限および下限は、第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスにそれぞれ加減算される時間定数によって決定される。換言すると、好ましい実施形態では、期間は、第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心として対称的になっている。
【０００９】
この時間定数は、第１のオーディオ符号化方式の符号化ブロックの時間の長さおよび第２のオーディオ符号化方式の符号化ブロックの時間の長さのうちの最大値以上となるように選択されればよい。このように時間定数が選択されれば、記載されている方法が生じさせるトランスコードされたゲイン値はゲインオーバーシュートおよびクリッピングに対して抵抗性があるものになる。或る条件下では、トランスコードされたゲインメタデータはソースゲインメタデータを決して超えないことが保証されることができる。
【００１０】
一方、時間定数は、第１のオーディオ符号化方式の符号化ブロックの時間の長さおよび第２のオーディオ符号化方式の符号化ブロックの時間の長さのうちの最大値未満となるように選択されてもよい。これは、ソースゲインメタデータとターゲットゲインメタデータとの間の良好な一致を達成するために都合よい場合がある。
【００１１】
或る状況では、第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした期間内に第１のゲインメタデータのゲイン値が１つもないということが起きる可能性がある。例えば、これは、時間定数がかなり小さく選択されるか、または第２のオーディオ符号化方式の符号化ブロックの時間の長さが第１のオーディオ符号化方式の符号化ブロックの時間の長さ未満である場合に起きる可能性がある。このような場合、この方法では、第２のゲインメタデータのゲイン値を、第２のゲインメタデータのゲイン値に関連付けられる符号化ブロックに先行する符号化ブロックに関連付けられる第２のゲインメタデータのゲイン値とするように選択することができる。代替的に、この方法では、期間に先行する第１のゲインメタデータのゲイン値を第２のゲインメタデータのゲイン値として選択することができる。換言すると、トランスコーダは、更新ゲイン値が受信されるまで、オーディオ符号化方式のサンプルホールド動作を用いて現在のゲイン値を維持すればよい。
【００１２】
本発明の別の態様によれば、方法は、第２のオーディオ符号化方式が、第２のゲインメタデータの隣接するゲイン値を補間して第２のゲイン曲線を形成する種々の補間曲線の選択を可能にする場合のためにさらに適合されてよい。このようなオーディオ符号化方式の例が、ゲインリリースに非常に適した線形補間曲線、およびゲインアタックに非常に適した複数の急激な補間曲線の選択を可能にするＨＥ ＡＡＣである。第２のオーディオ符号化方式がこのような機能性を提供する場合、この方法では、第１のゲインメタデータの複数のゲイン値に基づいて第２のゲインメタデータの２つの隣接するゲイン値の間の適当な補間曲線を選択するステップをさらに含むことができる。
【００１３】
適当な補間曲線は、例えば、第１のゲインメタデータの２つの隣接するゲイン値の間の差に基づいて選択すればよい。例えば、第１のソースゲイン値が（非常に）高く且つ次のソースゲイン値が（非常に）低ければ、「アタック」に似た補間曲線を選択すればよい。一方、第１のソースゲイン値と次のソースゲイン値がどちらかというと同様であれば、「リリース」に似た補間曲線を選択すればよい。
【００１４】
代替的に、第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ、この第１のゲイン曲線は第１のゲインメタデータの隣接するゲイン値を補間することによって得られればよい場合、適当な補間曲線を第１のゲイン曲線の勾配に基づいて選択してよい。特に、第１のゲイン曲線の負の勾配が所定の閾値を超えていれば、ゲインアタックを検出すればよい。換言すると、第１のゲイン曲線が急峻に降下すれば、ゲインアタックを検出すればよい。一方、第１のゲイン曲線の負の勾配が所定の閾値未満であれば、ゲインリリースが検出される。第１のゲイン曲線の、検出されたゲインアタックまたはゲインリリースに基づいて、この方法では次に、第２のゲインメタデータの２つの隣接するゲイン値の間の適当な補間曲線を選択する。
【００１５】
すでに言及したように、第２の符号化方式は、補間曲線パターンとも呼ばれる複数の「アタック」補間曲線の選択を可能にする場合がある。これらの種々の補間曲線パターンは通例、互いに時間的に遅延させ、それによって、異なる「アタック」時刻の定義を可能にする。第２の符号化方式のこの機能性を用いるために、この方法では、第１のゲイン曲線の勾配の絶対値が最大となる位置に基づいて第２のゲインメタデータの２つの隣接するゲイン値の間の適当な補間曲線を選択すればよい。換言すると、この方法では第１のゲイン曲線の最も急峻な点を判定し、この最も急峻な点に最も近い、第２の符号化方式の補間曲線パターンを選択する。
【００１６】
本発明のさらなる態様によれば、第２のゲインメタデータのゲイン値の選択は、第１のゲインメタデータのゲイン値のセットだけでなく、第１のゲイン曲線全体に基づくこととしてもよい。このような場合、この方法では、期間内の第１のゲイン曲線の最小値を第２のゲインメタデータのゲイン値として選択するステップを含む。これは、第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした期間内に第１のゲインメタデータのゲイン値が１つもないときに非常に有用である場合がある。
【００１７】
第１のゲイン曲線の最小値の計算に対する、複雑さの低い代替例として、期間内の第１のゲイン曲線のサンプルのセットの最小値を第２のゲインメタデータの所与のゲイン値として選択することが都合よい場合がある。第１のゲイン曲線のこのセットのサンプルは、期間内にある第２のゲイン値の符号化ブロックの時刻インスタンスにおける第１のゲイン曲線のサンプルを含むものであればよい。
【００１８】
加えて、本発明は、ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法であって、第１および第２のオーディオ符号化方式は符号化ブロックごとに異なる数のオーディオサンプルを有し、各符号化ブロックは関連ゲイン値を有することを特徴とする、方法を記載する。さらに、隣接する符号化ブロックの一連のゲイン値を補間してゲイン曲線を定義する。この方法は、第２のゲイン曲線が第１のゲイン曲線を常に下回るように、第１のゲインメタデータの複数のゲイン値に基づいて第２のゲインメタデータのゲイン値を選択するステップを含む。この条件を用いることで、クリッピングがないソースオーディオ信号が、同様にクリッピングがないターゲットオーディオ信号にトランスコードされることが保証されることができる。
【００１９】
さらに、本発明は、ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法であって、第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い、各符号化ブロックは関連ゲイン値を有することを特徴とする、方法を記載する。加えて、第２のゲインメタデータのゲイン値に第２のゲイン曲線が関連付けられる。この方法は、第１のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、第２のゲイン曲線が第１のゲインメタデータのゲイン値以下となるように第２のゲインメタデータのゲイン値を選択するステップを含む。
【００２０】
本発明の別の態様によれば、第２のゲインメタデータのゲイン値の選択は、第１のゲインメタデータのゲイン値のセットだけでなく、第１のゲイン曲線全体に基づくこととしてもよい。このような場合、この方法では、第１のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、および／または第２のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、第２のゲイン曲線が第１のゲイン曲線以下となるように第２のゲインメタデータのゲイン値を選択すればよい。これは、第２のオーディオ符号化方式の符号化ブロックの時間の長さが第１のオーディオ符号化方式の符号化ブロックの時間の長さ未満であるときに特に都合よい場合がある。
【００２１】
符号化方式よっては、ゲイン曲線は、隣接するゲイン値および窓関数に関連付けられるセグメント群から成る。典型的には、曲線セグメントは、隣接するゲイン値の間を、符号化方式の窓関数を用いて補間することによって得られる。このような場合、特定の時刻インスタンスにおけるゲイン曲線の上述のサンプルは、ゲイン値、および窓関数のサンプルのセットによって決定すればよい。符号化方式によっては、窓関数は、曲線セグメントの全てまたはサブセットについて同一であり、それ故、ゲイン曲線はゲイン値、および窓関数のサンプルの限定されたセットによって記述することができる。これにより、ゲイン値の選択をソースゲイン曲線に基づかせる場合でも、記載されている方法を低い複雑さで実装することが可能となる。
【００２２】
本発明は、上述のトランスコーディング方法を実装するトランスコーディングシステムをさらに記載する。これらのトランスコーディングシステムは送信システムまたは消費者セットトップボックスの一部であってよい。トランスコーディングシステムは周囲のシステムによって提供される処理およびメモリ手段を利用してよいが、トランスコーディングシステムはＣＰＵ等の独自の処理手段、ならびにＲＯＭまたはＲＡＭ等のメモリ手段を含んでもよい。
【００２３】
例えば、オーディオトランスコーディングシステムの実装では、デジタルプロセッサ、およびプロセッサによる実行のための命令を記憶するメモリを含むことができる。メモリは、さらに、入ってくるメタデータおよび生成されて出て行くメタデータを送信前に記憶してよい。特に、符号化ブロックのゲイン値を処理のためにメモリ内に記憶することができる。さらに、窓関数のサンプルあるいは第１および／または第２のオーディオ符号化方式の複数の窓関数をメモリ内に記憶させることが望ましい。
【００２４】
オーディオトランスコーディングシステムの一例は、送信用オーディオフォーマットから消費者の家庭における再生または記録に用いられるオーディオ符号化方式へのトランスコーディング用のセットトップボックス内に実装することができる。例えば、送信用オーディオ符号化方式としてのＨＥ ＡＡＣと、再生に用いられる発行用オーディオ符号化方式としてのドルビーデジタル（プラス）との間のトランスコーディングをセットトップボックス内に提供することができる。
【００２５】
オーディオトランスコーディングシステムのための別の例は、制作または提供用オーディオ符号化フォーマットから送信用オーディオフォーマットへのトランスコーディング用のヘッドエンドとして実装されればよいというものである。例えば、制作用オーディオ方式としてのドルビーＥと送信用オーディオ方式としてのＨＥ ＡＡＣとの間のトランスコーディングがこのようなヘッドエンドシステム内に提供することができる。
【００２６】
本文書において記載されている方法およびシステムは、ドルビーＥ、ドルビーＤまたはＡＣ−３としても知られるドルビーデジタル（プラス）、ＡＡＣ（Ａｄｖａｎｃｅｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ、高度オーディオ符号化）、ならびに／あるいはａａｃＰｌｕｓとしても知られるＨＥ ＡＡＣ（Ｈｉｇｈ Ｅｆｆｉｃｉｅｎｃｙ ＡＡＣ、高効率ＡＡＣ）等の種々の第１および第２のオーディオ符号化方式に適用されてよいことに留意されたい。
【００２７】
さらに、本文書において記載されている方法およびシステムの特徴が、互いに組み合わせて用いることができることに留意されたい。特に、１つのトランスコーディング方向に１つの方法を用い、逆のトランスコーディング方向には別の方法を用いることが都合よい場合がある。
【００２８】
以下において、選択された、本発明の実施形態を、添付の図面を参照しながら記載する。
【図面の簡単な説明】
【００２９】
【図１】典型的なトランスコーディング連鎖を示す図である。
【図２】オーディオコーデックの構造の典型的なエンコーディングおよび復号を示す図である。
【図３】種々のオーディオコーデックのための種々の補間ゲイン曲線を示す図である。
【図４ａ】オーディオコーデックの補間関数を示す図である。
【図４ｂ】図４ａの補間関数に関連付けられる窓関数を示す図である。
【図４ｃ】非対称的な窓関数およびその関連補間関数のための例を示す図である。
【図５】一連の連結された補間されたゲイン曲線を示す図である。
【図６】第１のトランスコーディングアルゴリズムのゲイン一致特性を図解する第１の例を示す図である。
【図７ａ】第１のトランスコーディングアルゴリズムのゲイン一致特性を図解する第２の例を示す図である。
【図７ｂ】第１のトランスコーディングアルゴリズムのゲイン一致特性を図解する第２の例を示す図である。
【図８】第１のトランスコーディングアルゴリズムを用いた、ゲインメタデータのトランスコーディングについての実験結果を示す図である。
【図９ａ】第２のトランスコーディングアルゴリズムのゲイン一致特性を示す図である。
【図９ｂ】第２のトランスコーディングアルゴリズムのゲイン一致特性を示す図である。
【図１０】第３のトランスコーディングアルゴリズムを用いた、ゲインメタデータのトランスコーディングについての実験結果を示す図である。
【発明を実施するための形態】
【００３０】
メタデータとは、例えば、ドルビーデジタル、ドルビーＥ、ＡＡＣ、ＨＥ ＡＡＣまたは他のオーディオコーデックにおいて、多重チャンネルオーディオビットストリームとともに伝達される「オーディオデータに関するデータ」である。それにより、放送事業者は、送信用オーディオストリームに応じてオーディオレベルを絶え間なく調節し圧縮する必要がなくなる。それはオーディオミキサにオーディオストリームの音響ダイナミクスに関する芸術上の高い自由度も提供する。過去には、多重チャンネルオーディオを扱う放送事業者は、平均レベルが他のプログラムのものを上回るかまたは下回るサウンドトラックによる問題を抱えることがしばしばあった。同様に、サラウンド音声コンテンツがテレビでステレオまたはモノラルオーディオ出力を用いて再生されるときにも課題が生じた。オーディオメタデータを用いれば、音声技術者は、種々の再生システムのためにオーディオコンテンツを種々の様式でミキシングし再生レベルを設定することを、全てポストプロダクション段階においてできるので、放送事業者は、より一貫性のあるオーディオ信号を配信し、確実に最も重要なオーディオ要素を届けることができる。
【００３１】
メタデータは、消費者の固有の聴取環境に配信されるプログラムの音声を変化させることを特に目的とした多数のパラメータを提供する。これらのメタデータパラメータは、ダイアログレベル（ダイアログノーマライゼーション（ｄｉａｌｏｇｕｅ ｎｏｒｍａｌｉｚａｔｉｏｎ）またはｄｉａｌｎｏｒｍとしても知られる）、ダイナミックレンジ制御ならびにダウンミックスとして知られる。技術的には個別のメタデータパラメータではないが、消費者のデコーダ内のダウンミックスは特定のメタデータパラメータによって影響を受けるため、ｄｉａｌｎｏｒｍおよびダイナミックレンジ制御と同様に、ダウンミックス条件に影響を与えるメタデータパラメータの監視および選択においては注意が払われなければならない。制作側の音声技術者は、最適な聴取環境における最良の再現のための多重チャンネルミキシング最適化に最終的な責任を負う。しかし、最適性がより低い聴取環境に同様に応じることを確実にするためにも注意が払われなければならない。これが、製作段階の間に設計されたメタデータの質を維持するために、トランスコーディングの間にメタデータが歪みを受けないまたは限定的な歪みしか受けないようにすることが重要である理由である。
【００３２】
ダイアログレベルパラメータは家庭のデコーダに正規化値を提供する。この値はオーディオの音量をプリセットレベルに調節するもので、これはプログラムコンテンツからプログラムコンテンツへおよび媒体から媒体へのレベル一致に役立つ。ダイアログレベルはプログラム素材に対する何らかの圧縮または伸長をアサートするものではなく、オーディオの音量を標準レベルに下げるものである。ダイアログレベルはダイナミックレンジ制御プロファイルと連携して機能する。ダイアログレベルパラメータはプログラムの穏やかな部分と騒々しい部分との間の一種の「空白帯域」を設定する。
【００３３】
ダイナミックレンジ圧縮またはミッドナイトモードと呼ばれることがあるダイナミックレンジ制御（Ｄｙｎａｍｉｃ ｒａｎｇｅ ｃｏｎｔｒｏｌ、ＤＲＣ）は、ダイナミックレンジを低減させてプログラムオーディオを聴く柔軟性を消費者に与えるものである。ダイナミックレンジの圧縮のおかげで、視聴者は近所に迷惑をかけずにテレビを見ることができる。ドルビーデジタルデコーダ等のほとんどのオーディオデコーダにおいて、この制御は大抵、任意のものであり、オフにすることができる。ダイナミックレンジ制御は、消費者用デコーダ上によくある「ミッドナイトモード」機能のためにも用いられる。
【００３４】
より低い音量においては、プログラムのより穏やかな部分（囁きおよび穏やかな話し方の会話）はより聞こえにくくなる。しかし、視聴者が音量を上げると、より騒々しい部分（爆発、画面上の言い争い、発砲等）がうるさくなりすぎて快適に聴けなくなる。あるいは、高レベルの背景雑音がある環境では、プログラムのより静かな部分は周囲雑音によってかき消されてしまうことになる。デコーダ内でダイナミックレンジプロファイルがアサートされると、デコーダはプログラムの穏やかな方の部分のレベルを上げる一方、騒々しい方の部分のレベルを下げ、これにより、ユーザは音量調節器にしょっちゅう手を伸ばす必要なく映画を楽しむことができる。
【００３５】
ダイナミックレンジ制御は通例、２つのパラメータすなわち「プロファイル」：ＲＦモードおよびラインモード、から成る。これらの２つのパラメータは、ビットストリーム内のエンコードされたオーディオのコンテンツを変化させるものではないことに留意されたい。それらは、低減されたダイナミックレンジでプログラムを聴くことが望ましいかまたは必要である場合に応じるべく、聴取環境内でプログラム素材の極値を調節するために用いられる。
【００３６】
ＲＦモードとは、セットトップボックスのアンテナ出力を経由するなど、復号されたプログラムがテレビのＲＦ入力経由の配信用のものとされる、ピーク制限を行う状況のために設計されるものである。それは典型的には±４８．１６ｄＢのレンジ内のダイナミックレンジ圧縮を可能とし、低レートＤＲＣとも呼ばれる。
【００３７】
ラインモードとは、より簡易な形式の圧縮を提供するもので、家庭のデコーダにおける低レベルブーストおよび高レベルカットパラメータのユーザ調節を可能にするものでもある。それは典型的には±２４．０８ｄＢのレンジ内のダイナミックレンジ圧縮を可能とし、高レートＤＲＣとも呼ばれる。ブーストおよびカット領域の調節または「スケーリング」により、消費者はオーディオ再現を自分たちの特定の聴取環境のためにカスタマイズすることができる。
【００３８】
ダウンミックスとは、ドルビーデジタル等のオーディオエンコーダ内の、多重チャンネルプログラムをより少ないスピーカチャンネルによって再現させることを可能とする機能である。簡単に言えば、ダウンミックスは、完全な５．１チャンネルホームシアター装置を必要とせずとも消費者がデジタルテレビ放送を楽しむことを可能とする。互換性を維持するためにミックスがモノラルで時々監視されるステレオミキシングと同様に、多重チャンネルオーディオミキシングは、技術者に、より少ないスピーカチャンネルを用いるミックスを参照してダウンミックス状況のための互換性を保証することを求める。
【００３９】
或るメタデータパラメータ群は適当なダウンミックスを達成するのに役立ち、音声技術者／コンテンツ制作者の意図がこれらの環境の間で伝わることになることを確実にするための助けとなる。具体的には、メタデータは、或るスピーカチャンネル群を、生じるダウンミックスにどのように「折り込ませるか」ということの制御を提供する。音声技術者は普通、理想的な聴取環境における再現のために多重チャンネルミックスを最適化するが、ダウンミックスメタデータパラメータを選択する際は、異なる再生システムとの互換性を確実にするために、ダウンミックス条件においてミックスを試聴することも重要である。
【００４０】
先に概説したように、メタデータは、とりわけ、デコーダ内で時間変化ゲイン要素を制御するために用いられ、これをオーディオ信号のダイナミックレンジ制御および／または限定手段として用いてクリッピングを防ぐ。エンコーダ側での圧縮と対照的に、デコーダ側で圧縮を適用するポイントは、こうすることで、エンドユーザはダイナミックレンジ圧縮の量の制御を保持するということである。深夜の視聴のために、エンドユーザは最大の圧縮を用いたいと思う場合がある一方、自分専用のホームシアターを持っている「オーディオ愛好家」は元の劇場用ミックスの完全なダイナミックレンジを楽しむことを好む場合がある。
【００４１】
現代のデジタル放送の連鎖では、制作、提供および送信段階においていくつかのオーディオフォーマットが用いられる。元のオーディオミックスは今もなお非圧縮リニアＰＣＭフォーマットストリームである場合があるのに対して、制作の仕上がりはドルビーＥフォーマットストリームであることが多い。ドルビーＥをコンテンツ制作プロセスにおけるオーディオコーデックとして用いると、なかんずく、全体的なプログラムラウドネス（ＤｉａｌＮｏｒｍ）、ＤＲＣ係数の生成に用いられるコンプレッサプロファイル、およびダウンミックスを記述するメタデータパラメータを制作者が埋め込む可能性がある。
【００４２】
図１は制作センターから消費者の家庭までのオーディオトランスコーディングの例示的な連鎖１００を示す。制作センター１０１では、オーディオストリームは通常、ドルビーＥ等の、制作および後処理の目的に最も適したオーディオフォーマットとされる。この制作用オーディオストリームは次に、ドルビーＤまたはＡＣ−３とも呼ばれるドルビーデジタル等の、発行の目的に最も適したフォーマット１０２にトランスコードされる。オーディオストリームの送信または放送が必要であれば、この発行用オーディオストリームは、ＨＥ−ＡＡＣ等の好適な送信または放送用フォーマット１０３へのトランスコーディングを必要とする場合がある。この送信用オーディオストリームは次に、消費者の家庭にある複数のセットトップボックス１０５にネットワーク１０４を通じて送信されればよい。ほとんどの消費者の設備１０６はオーディオストリームを正しくレンダリングするためにドルビーデジタル等の特定の消費者用オーディオフォーマットを必要とするという事実のために、送信用オーディオストリームから消費者用オーディオストリームへのさらなるトランスコーディングがセットトップボックス１０５内で必要とされる。制作、発行、送信および消費者用オーディオストリームフォーマットの一部は同一とすることができることに留意されたい。特に、発行および消費者用オーディオストリームフォーマットはどちらもドルビーデジタルとすることができる。
【００４３】
換言すると、ドルビーＥフォーマットストリームは、映画館、ホームシアターまたは伝統的なホームステレオにおけるコンテンツのレンダリングに適したオーディオデータストリームにトランスコードすることができる。このような発行用オーディオデータストリームのための例がドルビーデジタルストリームである。オーディオデータストリームフォーマットの間のこのトランスコーディング、すなわち制作用オーディオストリームと発行用オーディオストリームとの間のトランスコーディング、もメタデータトランスコーディングの必要性を生む。
【００４４】
オーディオストリームの送信または放送が必要であれば、発行用オーディオストリーム、例えばドルビーデジタルストリーム、は、低ビットレートのリンクを通じたオーディオ送信のために最適化されたＭＰＥＧ ＨＥ−ＡＡＣオーディオストリーム等の送信用オーディオストリームへのトランスコーディングを必要とする場合がある。同様に、発行用オーディオストリームと送信用オーディオストリームとの間のこのようなトランスコーディングのために、関連メタデータがトランスコードされる必要がある。
【００４５】
送信後、オーディオデータストリームは大抵、消費者の自宅にあるセットトップボックス（ｓｅｔ ｔｏｐ ｂｏｘ、ＳＴＢ）かもしれないような受信器で復号される。特に、オーディオデータストリームがサラウンド音声オーディオストリーム等の多重チャンネルオーディオストリームであれば、送信用オーディオストリームをドルビーデジタル等の消費者用オーディオストリームにトランスコードするのが都合よい場合がある。これによって、多重チャンネル信号は光学的または同軸Ｓ／Ｐ ＤＩＦリンクを介して消費者のホームシアターまたはテレビセット内の多重チャンネル受信器に送ることができる。同様に、送信用オーディオストリームと消費者用オーディオストリームとの間のこのトランスコーディングは関連メタデータの間のトランスコーディングを必要とする。
【００４６】
１つのフォーマットのオーディオデータストリームが別のフォーマットのオーディオデータストリームにトランスコードされる際、それと一緒にメタデータも伝達する必要がある。ＤｉａｌＮｏｒｍメタデータのトランスコーディングは大抵、プログラムの境界でしか著しく変化することはなく、その他の場合はほぼ一定であるので、通常、大きな問題を呈することはない。しかし、ＤＲＣ制御信号は異なるオーディオフォーマットの異なるフレーミングを有するので、ＤＲＣメタデータのトランスコーディングは簡単ではない。表１は例示的なオーディオフォーマットおよびコーデックの、種々のフレーム長を列挙している。
【００４７】
【表１】
【００４８】
ＡＡＣベースのフォーマット群について、「フレーム長」の列内の左の数は短いブロック／フレームの長さを示し、右の数は長いブロック／フレーム分解能を示す。ドルビーデジタル／ＡＣ−３フォーマットについて、「フレーム長」の列内の左の数は高レートＤＲＣワードの分解能、すなわちラインモードのためのフレームサイズを示し、右の数は低レートＤＲＣワードの分解能、すなわちＲＦモードのためのフレームサイズ、を示す。
【００４９】
表より分かるように、構成に応じて、ＤＲＣメタデータのトランスコーディングは、より高いレートにおけるメタデータからより低いレートへ向かうかまたはその逆のいずれかとなる場合がある。さらに複雑なことに、ＡＡＣベースのフォーマットは時間分解能、すなわちフレーム長、をオンザフライで変化させることができるため、両方の状況、すなわちより高いレートからより低いレートへのトランスコーディングおよびより低いレートからより高いレートへのトランスコーディング、が同じストリーム内で且つ同じトランスコーディング操作中に起きうる。さらに、ＡＡＣベースのフォーマットはメタデータの有無をフレームごとに信号で知らせることができる。通例、復号セマンティクスはサンプルホールド動作を定義する。すなわち、デコーダは、新しいデータが届くまでは最新の受信ゲイン制御信号を常に用いるように命令される。その結果、ＡＡＣフレーム内にメタデータがなければ、デコーダには、さらなる通知までは最新のゲイン制御信号を印加するよう指示がなされる。
【００５０】
コンプレッサによって適用されるゲインは、長い準定常部分と、それが鋭い「アタック」によって中断され、ゲインを急速に低下させることによって特徴付けることができる。これらの「アタック」は通例、映画における爆発等の、音響強度の突然の増大を緩和するために適用される。これらの一時的な低下からコンプレッサゲインは、「リリース」と呼ばれる長い時間定数をもって回復する。換言すると、音響強度の突然の増大は、ゲイン値を非常に短い期間で強く減少させる鋭いゲイン「アタック」によって相殺され、ゲインの増大は通例、ゲイン「リリース」期の間になだらかに遂行される。
【００５１】
ＤＲＣゲインを適用する際、アタック時のオーディオ信号の若干の変調歪みは避けられないものの、このようなアタックの減衰時間定数は、変調歪みが聞き取れないように選ばれる。適当なＤＲＣメタデータを設計する際、ゲインアタックのための適当な減衰時間の選択は音声技術者の重要な課題であり、ＤＲＣメタデータを制作用オーディオフォーマットから発行用オーディオフォーマットにトランスコードし、さらにＡＡＣ等の送信用オーディオフォーマットにトランスコードする際にこうした特性を損なわないようにするため、メタデータトランスコーディングの間は注意が払われなければならない。
【００５２】
さらに、コンプレッサは、０ｄＢＦＳを超える信号を生成しないように最大コンプレッサゲインを常時制限するリミッタに結合してもよい。このようなリミッタは通例、クリッピングを防ぐために用いられる。同様に、このようなリミッタの機能性も、メタデータをトランスコードする際に考慮する必要がある。
【００５３】
ＡＡＣ、ＨＥ ＡＡＣおよびドルビーデジタル／ＡＣ−３等のオーディオコーデックは通例、ＭＤＣＴ、すなわち変形離散コサイン変換（ｍｏｄｉｆｉｅｄ ｄｉｓｃｒｅｔｅ ｃｏｓｉｎｅ ｔｒａｎｓｆｏｒｍ）、等のプリンセン−ブラッドリー（Ｐｒｉｎｃｅｎ−Ｂｒａｄｌｅｙ）時間領域エイリアスキャンセレーション（ｔｉｍｅ ｄｏｍａｉｎ ａｌｉａｓ ｃａｎｃｅｌｌａｔｉｏｎ、ＴＤＡＣ）技法に基づく、周波数が線形のクリティカルサンプリングされるフィルタバンクを用いる、適応性のある変換ベースのコーデックである。フィルタ境界点においてＭＤＣＴおよび逆ＭＤＣＴ関数が滑らかにゼロに向かうようにすることによって変換境界における不連続性を避けるために、ＭＤＣＴ変換は追加の窓関数としばしば結合される。
【００５４】
このことは、オーディオエンコーダ２００およびオーディオデコーダ２１０が図示される図２に概略的に示される。図２は、変換ベースのエンコーダ２０１および変換ベースのデコーダ２１１を、ＡＡＣおよびドルビーデジタル／ＡＣ−３等のオーディオ符号化方式で用いられる状況で示す。先に概説したように、このような符号化方式は、エンコーディング側にＴＤＡＣ変換フィルタバンク２０４、および復号側に逆ＴＤＡＣ変換フィルタバンク２１４を含む。さらに、窓関数２０３および２１３が、それぞれエンコーディングおよび復号側において、フィルタ境界におけるＴＤＡＣ変換２０４、２１４の不連続性を取り除く。加えて、変換ベースのエンコーダ２０１およびデコーダ２１１は、ドット２０５および２１５でそれぞれ表される、過渡状態検出器、量子化手段、ビット配分手段等などの追加のコンポーネント群を含む。
【００５５】
送信データ転送速度をさらに低下させるために、ＨＥ−ＡＡＣ等の或るオーディオコーデックは、スペクトル帯域複製（ｓｐｅｃｔｒａｌ ｂａｎｄ ｒｅｐｌｉｃａｔｉｏｎ、ＳＢＲ）と呼ばれる技法を用いる。ＳＢＲの基本原理は、オーディオ信号の高い方の周波数部分の音響心理学的な重要性は相対的に低いという事実である。従って、ＳＢＲを用いるオーディオコーデックは、上述されたような変換ベースの符号化器を用いて信号スペクトルの下半分だけをエンコードする。信号スペクトルの上半分は、主として従来の変換ベースのデコーダに続くポストプロセスであるＳＢＲデコーダまたは合成によって生成される。高周波スペクトルを送信する代わりに、ＳＢＲは、基底の符号化器内で送信された低い方の周波数の分析に基づいてデコーダ内の高い方の周波数を再構築する。正確な再構築を確実にするために、何らかの誘導情報が、エンコードされたビットストリーム内において、非常に低いデータ転送速度で送信される。エンコーディング側においてＱＭＦ（Ｑｕａｄｒａｔｕｒｅ Ｍｉｒｒｏｒ Ｆｉｌｔｅｒ、直交ミラーフィルタ）分析を用いるこのようなＳＢＲ分析が図２にボックス２０２として示されている。典型的には、このようなＱＭＦ分析は、例えば６４個の信号サブバンドを分析することによって、必須のスペクトル信号情報を求める。復号側では、６４個のサブバンドを含むＱＭＦ合成フィルタバンクを用いたＳＢＲ合成２１２内で信号情報が用いられる。
【００５６】
先に概説された変換ベースの符号化方式の第一の利点は、信号成分と、対応する量子化雑音成分（マスキングされるよう意図される）とを臨界帯域幅の範囲内に保持し、人間の耳のマスキング特性の恩恵を最大限利用して、その結果、知覚的には雑音のない符号化に必要なデータ転送速度を最小限に抑えることである。
【００５７】
ＤＲＣメタデータのトランスコーディングに進む前に、オーディオデコーダにおけるこのようなＤＲＣメタデータの利用について手短に概観する。フレームまたはブロックごとに、オーディオデコーダは特定のフレームのために新しいゲイン値が送信されているかどうかを示す受信ビットストリームを解析することになる。新しいゲイン値が提供されない場合、デコーダは最後に送信されたゲイン値を用いることになる。一方、新しいゲイン値が受信されていれば、この新しいゲイン値が読み込まれて適用されることになる。
【００５８】
ＡＡＣおよびＡＣ−３等の或るグループのオーディオコーデックの場合、フレームから復号されたスペクトルオーディオデータを増幅するまたは減衰させるために、新しく受信されたゲイン値が用いられることになる。換言すると、ゲインは逆ＴＤＡＣ変換の適用前にスペクトルオーディオサブバンドに適用される。この変換の適用、および変換との関係で通例、適用されるサンプルの重複のおかげで、さらに、関連する窓掛けのおかげで、ゲイン値は、連続するフレームの間で効果的に補間されることになる。この状況において、補間関数は重み関数と見なすことができる。図３に、このような補間されたゲイン曲線が図示され、そこにはＡＡＣコーデックのＳ字状の補間関数３０１が示される。図４ａに、典型的な補間関数がグラフ４０１として示される。図４ｂに、対応する窓関数４０２が示される。加えて、非対称的な窓関数および関連補間関数が同様に用いられてもよいことに留意されたい。このような非対称的な窓関数は、例えば、１つの信号ブロックから次のブロックへ窓関数が変更されるときに生じる場合がある。図４ｃに、このような非対称的な窓関数４１１および４１２ならびにそれらの関連補間関数４２１および４２２が示される。
【００５９】
さらに、図５は、３つの連続ブロックまたはフレームのための補間されたゲイン曲線を示す。図より分かるように、ゼロブロックから第１のブロックまでの、６ｄＢから０ｄＢへのゲイン遷移がＡＡＣ窓関数によって補間されて典型的なＳ字状の補間曲線５０１をもたらしている。第１のブロックから第２のブロックまでは、ゲイン値は０ｄＢで不変のままであるため、ゲイン曲線５０２は平坦な状態が継続する。次に、第３のブロックにおいて−３．５ｄＢまでさらなるゲイン遷移が起き、典型的なＳ字状の補間曲線５０２を再び生じさせる。
【００６０】
ＨＥ ＡＡＣコーデック等の別のグループのオーディオコーデックの場合は、ＭＤＣＴスペクトルにゲインが適用されることはない。その代わり、ゲインは、逆ＭＤＣＴ変換の後に通例続くＱＭＦ（Ｑｕａｄｒａｔｕｒｅ Ｍｉｒｒｏｒ Ｆｉｌｔｅｒ、直交ミラーフィルタ）合成の前に適用されることになる。デフォルトでは、ゲイン値は、図３において補間曲線３０２として示される通り、隣接するフレームまたはスロットの間で線形補間される。加えて、ＨＥ ＡＡＣビットストリーム構文は、８つの別々の補間曲線３０３のうちの１つを選ぶための３つのさらなるビットを確保する。これらの方式は本質的に補間を行うものではなく、古いゲイン値を異なる期間、保持した後、所定の遷移曲線に従って新しいゲインに「急激に」跳ぶというものである。図３は、フレーム幅にわたって配された遷移曲線３０３のセットを示す。このような急激なゲイン遷移曲線の方が、ゲインアタック等の、突然のゲイン変更が要求される状況によく合う。ＨＥ ＡＡＣ符号化方式についても同様に、一連のゲイン値は効果的に補間され、図３に示される通りのゲイン曲線３０２および３０３を形成する。この補間はＱＭＦ合成のインパルス応答に関連する。
【００６１】
ゲイン値は現実には離散的な格子上でしかサンプリングされないが、解説を容易にするために、ゲイン曲線とも呼ばれるゲイン制御信号は、無限に高い分解能を有すると仮定されることができる。一方の表現からもう一方へ行くために、サンプリングされたゲイン値を時間的に連続なものに補間する補間段階が仮定されればよい。この段階は通例、先に説明された、デコーダのサンプルホールドセマンティクスに従う。フレームごとにゲイン制御係数を搬送する代わりに、ドルビーＥ等の一部のオーディオデータフォーマットは、選択されたメタデータプロファイルおよび特にコンプレッサプロファイルの信号伝達を可能にする。トランスコーディングの目的のために、このようなコンプレッサプロファイルはゲイン制御信号と見なされることができる。実際、コンプレッサプロファイルは一つ一つのオーディオ信号サンプルに特定のゲイン値を暗黙的に割り当てる。それ故、コンプレッサプロファイルはゲイン制御信号を実質的に定義する。補間段階を用いると、これらのゲイン制御信号も同様に時間的に連続した信号表現を有するものとなる。
【００６２】
以下において、メタデータのトランスコーディングの問題がさらに分析される。これに関連して、Ｗ．シルトバッハ（Ｗ．Ｓｃｈｉｌｄｂａｃｈ）他、「ダイナミックレンジ制御係数および他のメタデータの、ＭＰＥＧ−４ ＨＥ ＡＡＣへのトランスコーディング（Ｔｒａｎｓｃｏｄｉｎｇ ｏｆ ｄｙｎａｍｉｃ ｒａｎｇｅ ｃｏｎｔｒｏｌ ｃｏｅｆｆｉｃｉｅｎｔｓ ａｎｄ ｏｔｈｅｒ Ｍｅｔａｄａｔａ ｉｎｔｏ ＭＰＥＧ−４ ＨＥ ＡＡＣ）」、オーディオ技術者協会（Ａｕｄｉｏ Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｏｃｉｅｔｙ）、第１２３回大会、２００７年１０月５〜８日、ニューヨーク、ニューヨーク州、が参照され、参照により援用されている。
【００６３】
すでに述べられたように、トランスコーディングの目標は、トランスコードされたメタデータ、および特にトランスコードされたゲイン値に従うオーディオ信号が、元のゲインが適用されたオーディオ信号と同じかまたはできる限り同様に聞こえるものとなることである。この規定目標から、トランスコーディングアルゴリズムに対するいくつかの制約が導き出されることができる：
・元のゲイン値の処理を受けた信号がクリッピングしなかったところでは、トランスコードされたゲイン値の処理を受けた信号も同様にクリッピングしてはならない。すなわち、信号はクリッピングからの保護を維持しなければならない。これは、トランスコードされた信号に適用されるゲインが、受信したゲインを決して超えないようにゲインサンプルを選定することによって達成されることができる。
・静的なゲイン曲線については、トランスコードされたゲイン曲線は同じものにならなければならない。すなわち、準静的な信号については元のゲイン曲線とトランスコードされたゲイン曲線との間に不一致があってはならない。
・動的なゲイン変更が起きたときは、トランスコードされた信号に適用されるゲインは、受信したゲインをできるだけよく模倣するものとならなければならない。すなわち、リリースおよびアタック時刻がよく似たものとならなければならない。
【００６４】
これらの制約を考慮すると、いくつかのトランスコーディングアルゴリズムを定式化することができる。これらのトランスコーディングアルゴリズムを以下に概説する。最初のオーディオ符号化フォーマットのゲイン値をソースゲイン値と呼ぶこととし、対応するオーディオ符号化フォーマットをソース符号化方式のソースフォーマットと呼ぶこととする。トランスコードされたゲイン値をターゲットゲイン値と呼び、関連するオーディオ符号化フォーマットをターゲット符号化方式のターゲットフォーマットと呼ぶこととする。
【００６５】
特定のトランスコーディング状況に応じて、制約の異なるセットまたはサブセットは、置かれる重点が異なる場合があることに留意されたい。或る状況では、ターゲットゲイン曲線が常にソースゲイン曲線以下となっていることを確実にすることが有益である場合がある。ターゲット側でのオーディオ信号のクリッピングを避けようとするならば、これが好ましい選択肢となる場合がある。一方、サンプル点の或るセットにおいてのみターゲットゲイン曲線がソースゲイン曲線以下となっていることを確実にすれば十分である場合もある。例えば、ターゲットゲイン値のみがソースゲイン値以下となっていることを規定すれば十分である場合がある。そのような場合、ソース側および／またはターゲット側における補間のせいで、或る点でターゲットゲイン曲線がソースゲイン曲線を超えてしまうということが起きる可能性がある。しかし、これにより、許容範囲内で過変調の影響を受けることになるが、全体としてはソースゲイン曲線およびターゲットゲイン曲線のよりよい一致が得られる場合がある。さらに、トランスコーディング状況によっては、ターゲットゲイン曲線またはターゲットゲイン値をソースゲイン曲線またはソースゲイン値以下とすることに関する制約をさらに弱めることが適当である場合がある。このような場合は、ゲイン曲線同士の全体的な一致に重点を置けばよい。
【００６６】
以下のアルゴリズムは、ゲインメタデータをソース符号化方式からターゲット符号化方式に漸進的にトランスコードするために用いられることができるということにも留意されたい。このことは、エンコードされたオーディオ信号のリアルタイム性の故に重要である。従って、典型的なトランスコーディングシナリオでは、任意の数のソース符号化ブロックをバッファし、これらのバッファされたソース符号化ブロックに対して全体的なトランスコーディング操作を遂行するということは不可能である。それ故、適当なトランスコーディングアルゴリズムが、漸進的なトランスコーディングをブロックごとに遂行する必要がある。このような漸進的なブロック単位のトランスコーディングは以下のトランスコーディングアルゴリズムを用いて達成すればよい。
【００６７】
さらに、以下のアルゴリズムは、整合していないフレーミングに適用可能であることに留意されたい。これは、ソース符号化方式のフレーミングおよびターゲット符号化方式のフレーミングは、フレームサイズ、すなわちフレーム毎のサンプル数またはフレーム毎に包含されるオーディオ信号の長さ、に関しても、フレーム同士の同期、すなわちそれらのそれぞれの開始および終了時刻、に関しても、任意に異なる場合があることを意味する。実際、ソース符号化方式およびターゲット符号化方式のサンプリングレートまでも異なる場合がある。
【００６８】
さらに、以下のアルゴリズムはオーディオゲインデータのトランスコーディングにのみ限定されるものではなく、信号を１つの圧縮ビットストリームフォーマットから、フォーマットのフレーミングに互換性がない別のフォーマットにトランスコードする任意のデバイスに適用されることもできるいうことが言える。オーディオ符号化に関するいくつかの例が、ドルビーＥからＨＥ−ＡＡＣへ／ＨＥ−ＡＡＣからドルビーＥへのトランスコーダ類、またはドルビーデジタルからＨＥ−ＡＡＣへ／ＨＥ−ＡＡＣからドルビーデジタルへのトランスコーダ類である。例えば、たとえドルビーデジタルビットストリームがメタデータ用のスペースを配分しても、ＡＡＣ／ＨＥ−ＡＡＣおよびドルビーデジタルビットストリームは異なるフレーミングを有するという事実のせいで、メタデータをＡＡＣ／ＨＥ−ＡＡＣビットストリームからドルビーデジタルビットストリームに直接マップすることは不可能である。従って、ＡＡＣ／ＨＥ−ＡＡＣビットストリーム内で搬送されるメタデータを維持するためには、メタデータ変換の遂行に、以下に記載されるもののような方法およびアルゴリズムが必要とされる。
【００６９】
アルゴリズム１：順位フィルタ
上述の制約を満たすまたはそれに近づける１つの可能性は、ソースゲイン値に順位フィルタを適用することである。ｇ’ｉ，ｉ＝０，．．．，Ｎ−１、をターゲットフォーマットのＮ個のフレームためのターゲットゲイン値とし、ｇｊ，ｊ＝１，．．．，Ｍ−１、をソースフォーマットのＭ個のフレームためのソースゲイン値とする。さらに、ｔ’ｉを関連ターゲットゲイン値ｇ’ｉが適用される時刻とし、ｔｊをソースゲイン値ｇｊが適用される時刻とする。
【００７０】
ソースフォーマットのデコーダ内で用いられる、フィルタバンクの補間関数、および／または窓関数によって、ソースゲイン値群ｇｊは、Ｇ（ｔ）と呼ばれる、２つの隣接するソースゲイン値ｇｊおよびｇｊ＋１の間の曲線セグメント群Ｇｊ（ｔ）の連結から成る連続的なソースゲイン曲線を定義する。Ｗ（ｔ）が２つのソースゲイン値の間の補間または重み関数であれば、曲線セグメントＧｊ（ｔ）は次式のように書ける：
【００７１】
【数１】
【００７２】
図６は、ｊ＝０，．．．，７とする曲線セグメント群Ｇｊ（ｔ）の連結から成る、このような補間されたソースゲイン曲線Ｇ（ｔ）、６０１を示す。換言すると、ソースゲイン曲線Ｇ（ｔ）、６０１は時刻ｔｊ，ｊ＝０，．．．，８、における９つのソースゲイン値ｇｊ，ｊ＝０，．．．，８に基づく。図示の例において、基底をなすソース符号化方式は、線形補間方法を選択したＨＥ ＡＡＣとなっている。この線形補間方法が、隣接するソースゲイン値ｇｊの間の線形的な遷移を明らかにしている。他の符号化方式が、同様の補間されたソースゲイン曲線を与えることに留意されたい。
【００７３】
【数２】
【００７４】
上式を用いて時刻ｔ’ｉにおけるターゲットゲイン値ｇ’ｉを選択すると、或る補助的な条件の下で上述のトランスコーディング制約が満たすことができることを実証できる。一般的に、βが
【００７５】
【数３】
【００７６】
となるように選択されれば、補間されたターゲットゲイン曲線は、補間されたソースゲイン曲線を常に下回ることになると言える。特に、これは、基底をなす符号化方式が線形補間方式を用いる場合に当てはまる。
【００７７】
図７ａおよび図７ｂにこのことが概略的に示されている。図７ａは、（ｔ’ｉ＋１−ｔ’ｉ）≦（ｔｊ＋１−ｔｊ）、すなわちターゲットの符号化フォーマットのフレームサイズがソースの符号化フォーマットのフレームサイズ以下である場合を示す。例えば、このような状況は、メタデータをＨＥ ＡＡＣの長いフレーム分解能からドルビーデジタルにトランスコードするときに生じる場合がある。ソースゲイン曲線７０１は、丸印によって表される、時刻インスタンスｔ０、ｔ１、ｔ２およびｔ３におけるソースゲイン値ｇｊによって定義される。わかりやすくするために、ＨＥ ＡＡＣから知られる通りの線形補間が適用されている。図７ａから分かるように、βが（ｔｊ＋１−ｔｊ）以上となるように選ばれれば、時刻インスタンスｔ’０ないしｔ’１８における一連のターゲットゲイン値ｇ’ｉは式（２）を用いて決定されることができる。これらのターゲットゲイン値ｇ’ｉは図７ａ内の×印として表されており、ソースゲイン曲線７０１を常に下回るターゲットゲイン曲線７０２を生じさせる。（ｔｊ＋１−ｔｊ）時刻インスタンス後方および前方に及ぶ、時刻インスタンスｔ’８を中心とした期間を示す両矢印７０３により、ｇ’ｉについての式の操作の様式を見ることができる。換言すると、βは（ｔｊ＋１−ｔｊ）に等しい。この期間内において、
【００７８】
【数４】
【００７９】
として、最小ソースゲイン値ｇｊがターゲットゲイン値ｇ’ｉとして選ばれる。時刻インスタンスｔ’８においては、ターゲットゲイン値ｇ’８は時刻インスタンスｔ２におけるソースゲイン値ｇ２と決定される。
【００８０】
図７ｂは、（ｔ’ｉ＋１−ｔ’ｉ）≧（ｔｊ＋１−ｔｊ）、すなわちターゲットの符号化フォーマットのフレームサイズがソースの符号化フォーマットのフレームサイズ以上である場合を示す。例えば、この状況は、ドルビーデジタルをＨＥ ＡＡＣの長いフレーム分解能にトランスコードするときに生じる場合がある。時刻インスタンスｔ０ないしｔ１８におけるソースゲイン値ｇｊは丸印によって表され、ソースゲイン曲線Ｇ（ｔ）、７１１を生じさせている。βを（ｔ’ｉ＋１−ｔ’ｉ）以上となるように選択すると、時刻インスタンスｔ’０ないしｔ’３における一連のターゲットゲイン値ｇ’ｉは式（２）を用いて決定されることができる。これらのターゲットゲイン値は図７ｂ内の×印として表されている。図より分かるように、これらのターゲットゲイン値ｇ’ｉは、ソースゲイン曲線Ｇ（ｔ）、７１１を常に下回るターゲットゲイン曲線７１２を生じさせる。図７ａと同様に、両矢印７１３は、β＝（ｔ’ｉ＋１−ｔ’ｉ）の場合の、時刻インスタンスｔ’１を中心とした期間を示す。
【００８１】
ここで、（ｔ’ｉ＋１−ｔ’ｉ）＝（ｔｊ＋１−ｔｊ）の場合についてのトランスコーディングの例が示される図６に注目する。β＝（ｔ’ｉ＋１−ｔ’ｉ）の場合は、点線のターゲットゲイン曲線６０２が得られることが分かる。さらに、時刻インスタンスｔ’＝４を中心とした関連期間が両矢印６０４によって示されている。ターゲットゲイン曲線のコンプレッサリリースはソースゲイン曲線６０１のコンプレッサリリースに比べて遅れていることに留意されたい。厳密に言うと、ソースゲイン曲線のコンプレッサリリースは時刻インスタンスｔ＝３から開始するのに対して、ターゲットゲイン曲線のコンプレッサリリースは時刻インスタンスｔ’＝４になってようやく開始する。一方、ターゲットゲイン曲線のアタックはソースゲイン曲線のアタックに比べて進んでいることも分かる。厳密に言うと、ソースゲイン曲線のコンプレッサアタックは時刻インスタンスｔ＝２から開始するのに対して、ターゲットゲイン曲線のコンプレッサアタックは時刻インスタンスｔ’＝１からすでに開始している。
【００８２】
図６は、パラメータβ＝０．５×（ｔ’ｉ＋１−ｔ’ｉ）、すなわち式（３）において規定される限界を下回るパラメータ値、を選択することによって得られた第２のターゲットゲイン曲線６０３も示している。パラメータβを、
【００８３】
【数５】
【００８４】
であるように選ぶと、ターゲットゲイン曲線がソースゲイン曲線を常に下回ることを保証することはもはやできなくなる。しかし、パラメータβの変化は、コンプレッサリリースの遅れの量および／またはコンプレッサアタックの進みの量の制御を与える。図６におけるターゲットゲイン曲線６０３は、β＝０．５×（ｔ’ｉ＋１−ｔ’ｉ）を選択すると、コンプレッサアタックおよびリリース曲線をターゲットゲイン曲線６０２よりもソースゲイン曲線６０１に近づけられることができることを示している。ターゲットゲイン値を決定するために妥当な期間のサイズが時刻インスタンスｔ’＝４における両矢印６０５として示されている。しかし、βの値が低すぎるとソースゲイン曲線を大幅に超えるターゲットゲインをもたらしうるため、β＜ｍａｘ｛（ｔ’ｉ＋１−ｔ’ｉ），（ｔｊ＋１−ｔｊ）｝であるパラメータβは注意深く選定されなければならないことに留意されたい。このような過度のゲインオーバーシュートは、クリッピング等の可聴のオーディオ不良をもたらす場合がある。従って、適当なパラメータβの選択は、複数の種々の側面の考慮の下で作られるメタデータトランスコーダの設計者によってなされる妥協の結果となる。例えば、このような側面として、適用されるオーディオ符号化フォーマット、エンコードされるコンテンツ、ソース符号化方式からターゲット符号化方式へのトランスコーディングの方向、およびその他が挙げられる。
【００８５】
このアルゴリズムは、特に、異なる時刻インスタンスｔｊに関連付けられるメタデータが、予め順序付けられた様式で入ってくる場合、計算の複雑さを低くして実装することができることに留意されたい。これは、ターゲットゲイン値ｇ’ｉの計算のために用いられるソースゲイン値ｇｊの数が少ないという事実のおかげである。通例、最小値を判定するにはごくわずかの比較演算しか必要とされない。さらに、提案されている順位フィルタアルゴリズムは、ターゲットゲイン値ｇ’ｉを決定するために複数のソースゲイン値ｇｊおよびそれらの関連時刻インスタンスｔｊを利用するのみであることに留意されたい。このデータはトランスコーディングユニットにおいてメタデータビットストリームから直接、容易に入手することができ、いかなる追加の処理も要しない。この特性のおかげで、提案されている順位フィルタアルゴリズムの計算の複雑さがさらに低くなる。
【００８６】
図８は、上述の順位フィルタアルゴリズムを用いた、ソースゲイン曲線８０１のトランスコーディングのさらなる例を示す。図示の例では、ソースの符号化フォーマットのフレームサイズは２５６個のサンプルであるのに対して、ターゲットの符号化フォーマットのフレームサイズは２０４８個のサンプルである。パラメータβは、β＝ｍａｘ｛（ｔ’ｉ＋１−ｔ’ｉ），（ｔｊ＋１−ｔｊ）｝とするように選択されている。このようなトランスコーディング状況は、より低い帯域幅の送信を提供するために、ドルビーデジタル等の符号化方式が、相対的に長いフレームサイズを定義する可能性があるＨＥ ＡＡＣにトランスコードされるときに生じる場合がある。図８はトランスコードされたターゲットゲイン曲線８０２も示しており、パラメータβに関する規定条件に沿って、トランスコードされたゲイン曲線８０２はソースゲイン曲線８０１を下回っていることが分かる。さらに、アタックが早められ、一方、コンプレッサリリースは遅れていることが観察できる。β＜ｍａｘ｛（ｔ’ｉ＋１−ｔ’ｉ），（ｔｊ＋１−ｔｊ）｝であるパラメータβを選択することによって、この影響が低減される場合がある。ただし、これは、ソースゲイン曲線と比較して、ターゲットゲイン曲線のオーバーシュートが起こる可能性を生じさせる。
【００８７】
さらに、β＜ｍａｘ｛（ｔ’ｉ＋１−ｔ’ｉ），（ｔｊ＋１−ｔｊ）｝を選択するときは、特に、（ｔ’ｉ＋１−ｔ’ｉ）≦（ｔｊ＋１−ｔｊ）、すなわちターゲットの符号化フォーマットのフレームサイズがソースの符号化フォーマットのフレームサイズ以下である場合、時刻インスタンスｔ’ｉを中心とした期間［ｔ’ｉ−β，ｔ’ｉ＋β］内にソースゲイン値ｇｊが１つも特定されることができないということが起きる可能性があることに留意されたい。このような場合、次式：
【００８８】
【数６】
【００８９】
はターゲットゲイン値ｇ’ｉのための値を与えることができなくなるであろう。それ故、上述の式（２）を用いて新しい値のターゲットゲイン値が特定されるまでは、デコーダのサンプルホールド動作を利用し、ターゲットゲイン値ｇ’ｉは不変のままであると仮定することが都合よい場合がある。換言すると、ターゲットゲイン値の式は次のように書くことができる：
【００９０】
【数７】
【００９１】
代替的に、ソース符号化方式上でデコーダのサンプルホールド動作を利用してもよい。これは、時刻インスタンスｔ’ｉを中心とした期間［ｔ’ｉ−β，ｔ’ｉ＋β］内に、更新されたソースゲイン値ｇｊが１つも特定されることができなければ、最後に検出されたソースゲイン値を現在のソースゲイン値ｇｊと仮定することを意味する。このとき、ターゲットゲイン値ｇ’ｉを決定するための式は次のように書き直すことができる：
【００９２】
【数８】
【００９３】
両「サンプルホールド」アプローチの利点は、ターゲットゲイン値ｇ’ｉが、ソースゲイン値ｇｊのみに基づいて決定されることである。先に概説したように、順位フィルタアルゴリズムのこの特性はその計算の複雑さを低くする。
【００９４】
代替的に、ソースゲイン曲線Ｇ（ｔ）の正確な推移をさらに考慮し、次の変更された式を用いてターゲットゲイン値ｇ’ｉを決定することが都合よい場合がある：
【００９５】
【数９】
【００９６】
これは、（ｔ’ｉ＋１−ｔ’ｉ）≦（ｔｊ＋１−ｔｊ）、すなわちターゲットの符号化フォーマットのフレームサイズがソースの符号化フォーマットのフレームサイズ以下である場合、非常に都合がよい可能性がある。ターゲットゲイン値ｇ’ｉを選択するための適当なソースゲイン値のセットが空になることは決してなかろうからである。関連アルゴリズムを一般化順位フィルタアルゴリズムと呼ぶこととする。
【００９７】
一方、この変更選択式はメタデータトランスコーダにおいてソースゲイン曲線の知識を必要とすることに留意されたい。特に、メタデータトランスコーダは、補間関数Ｗ（ｔ）の知識、または場合によっては、ソース符号化方式によって用いられる補間関数のセットの知識までも有する必要がある。これらの補間関数Ｗ（ｔ）およびソースゲイン値ｇｊに基づき、ソースゲイン曲線セグメントＧｊ（ｔ）を決定し、これによりソースゲイン曲線Ｇ（ｔ）を決定することができる。全体としては、変更された選択式を用いることによって、ソースゲイン値ｇｊのみを用いる形式の順位フィルタアルゴリズムに比べてトランスコーディングアルゴリズムの計算の複雑さは増大することになろうということが予想される。
【００９８】
上述の式（８）は、ソースゲイン曲線Ｇ（ｔ）のサンプルのセットを考慮するだけで変更されることができるということにも留意されたい。例えば、ターゲットゲイン値の時刻インスタンスｔ’ｉおよび／またはソースゲイン値の時刻インスタンスｔｊにおけるソースゲイン曲線の値のみを考慮することが都合よい場合がある。このとき、式は次のように書き直すことができよう：
【００９９】
【数１０】
【０１００】
ソースゲイン曲線Ｇ（ｔ）をサンプル値のセットに限定することで一般化順位フィルタアルゴリズムの計算の複雑さを低減できよう。さらに、ソースゲイン曲線Ｇ（ｔ）のセグメントは２つの隣接するソースゲイン値ｇｊ、ｇｊ＋１および補間用重み関数Ｗ（ｔ）によって記述されることができることに留意されたい。それ故、ソースゲイン曲線Ｇ（ｔ）のサンプルのセットのみが要求される場合は、サンプルのこの完全なセットはソースゲイン値ｇｊ、および補間関数Ｗ（ｔ）のサンプルの限定セットから決定されればよい。補間関数Ｗ（ｔ）のサンプルのこの限定セットは、例えばメタデータトランスコーダのメモリ内に記憶することができる。
【０１０１】
両方の選択式の組み合わせ、すなわち順位フィルタアルゴリズムおよび一般化順位フィルタアルゴリズムの組み合わせ、を用いることを考えることもできよう。例えば、ターゲットのブロックサイズがソースのブロックサイズ以上である状況では、ソースゲイン値ｇｊのみを用いる複雑さの低い順位フィルタアルゴリズムを用いることが都合よい場合があり、一方、ターゲットのブロックサイズがソースのブロックサイズ以下である状況では、ソースゲイン曲線Ｇ（ｔ）、またはサンプルのセットを用いる複雑さがより高い一般化順位フィルタアルゴリズムが用いられる。
【０１０２】
アルゴリズム２：「最良一致」ゲイン
トランスコーディングについての上述の制約を満たすまたは少なくともそれに近づける第２のアルゴリズムを決定するために、ソースゲイン曲線Ｇ（ｔ）とターゲットゲイン曲線Ｇ’（ｔ）を比較することになる。Ｗ’（ｔ）をターゲットの復号方式の補間関数とする。例えば、ＡＡＣコーデックのための補間関数は、窓サイズの半分を単位として、Ｗ’（ｔ）＝（ｓｉｎ（ｔπ／２））２と書くことができる。この補間または重み関数は典型的には窓関数の自乗である。コーデックによっては窓の切り替えの可能性も見越すため、補間関数Ｗ’（ｔ）は１つの符号化ブロックから別のブロックへ変化する場合があることに留意されたい。さらに、コーデックのブロックサイズが変化する場合があり、これも窓関数の変化を生じさせる。これらの影響および事情は、ゲイン曲線セグメントごとに適当な補間関数Ｗ’（ｔ）を選択することによって配慮することができる。
【０１０３】
ターゲットの復号方式の補間関数Ｗ’（ｔ）を用いると、２つのターゲットゲイン値ｇ’ｉとｇ’ｉ＋１との間の補間されたターゲットゲイン曲線Ｇ’（ｔ）は次のように書くことができる：
【０１０４】
【数１１】
【０１０５】
全体的なターゲットゲイン曲線Ｇ’（ｔ）は、隣接するターゲットゲイン曲線セグメント群Ｇ’ｉ（ｔ）を連結するによって得ることができる。
【０１０６】
ｇｊ，ｉは、ｔ’ｉ＜ｔｊ，ｉ≦ｔ’ｉ＋１である時刻ｔｊ，ｉにおける全てのソースゲイン、すなわち２つの連続するターゲットゲイン値ｇ’ｉおよびｇ’ｉ＋１の間の期間内のソースゲイン値のグループ、を表すものとする。ソース符号化方式およびターゲット符号化方式の両方の上におけるフレームサイズの「オンザフライの」変化の故に、期間内のソースゲイン値のグループ、および同様に期間の長さそのものがその場その場で変化する場合があることに留意されたい。それ故、ｔｊ，ｉにおけるｉおよびｊの可能な組み合わせも同様にブロックごとに変わる場合がある。
【０１０７】
ターゲットゲイン値ｇ’ｉ、およびより厳密には、期間［ｔ’ｉ，ｔ’ｉ＋１］内で一連のソースゲイン値ｇｊ，ｉ以下となるターゲットゲイン曲線セグメントＧ’ｉ（ｔ）を選択する条件は次のように書ける：
【０１０８】
【数１２】
【０１０９】
換言すると、時刻インスタンスｔｊ，ｉにおけるターゲットゲイン曲線Ｇ’（ｔ）は時刻インスタンスｔｊ，ｉにおけるソースゲイン値以下となる必要がる。
【０１１０】
時刻インスタンス（ｔｊ，ｉ−ｔ’ｉ）におけるターゲットの復号方式の補間関数は値Ｗ’ｊ，ｉ＝Ｗ’（ｔｊ，ｉ−ｔ’ｉ）をとるものと定義し、ターゲットゲイン曲線セグメントＧ’ｉ（ｔ）についての式を考慮すると、条件は次式：
ｇ’ｉ（１−Ｗ’ｊ，ｉ）＋ｇ’ｉ＋１Ｗ’ｊ，ｉ≦ｇｊ，ｉ、
のように書くことができ、これは次式のように書き直すことができる：
【０１１１】
【数１３】
【０１１２】
この不等式の結合セットは、全てのターゲットゲイン値ｇ’ｉ，∀ｉ、について妥当である必要がある。さらに、ターゲットゲイン値ｇ’ｉは全てゼロ以上、すなわちｇ’ｉ≧０，∀ｉ、である必要がある。正規化された補間関数について、すなわち｜Ｗ’（ｔ）｜≦１である補間関数については、これは
【０１１３】
【数１４】
【０１１４】
となることが観察される結果ももたらし、それ故、不等式は次のように書き直すことができる：
【０１１５】
【数１５】
【０１１６】
同様にして、ターゲットゲイン曲線セグメントＧ’ｉ（ｔ）に続いて隣接するターゲットゲイン曲線セグメントＧ’ｉ＋１（ｔ）についての不等式は次のように書ける：
【０１１７】
【数１６】
【０１１８】
ここで、ｔ’ｉ＋１＜ｔｊ，ｉ＋１≦ｔ’ｉ＋２として、Ｗ’ｊ，ｉ＋１＝Ｗ（ｔｊ，ｉ＋１−ｔ’ｉ＋１）である。この不等式は、ｇ’ｉ＞０，∀ｉ且つ、補間関数Ｗ’（ｔ）は正規化されている、すなわちＷ’ｊ，ｉ≦１，∀ｉ，ｊ、である事実の故に、ｇ’ｉ＋１についてのもう１つの条件、すなわち：
【０１１９】
【数１７】
【０１２０】
を与える。すでに上述されたように、ｉおよびｊの可能な組み合わせはソース符号化方式のブロックサイズとターゲット符号化方式のブロックサイズとの間の現在の関係によって与えられる。これらの可能な組み合わせはブロックごとに展開しブロックごとに異なっていてもよい。
【０１２１】
ｇ’０＝０とセットすると、残りのｇ’ｉ，ｉ＞０は、不等式のセットによって与えられるレンジから選択することができる。
【０１２２】
図９ａに、ターゲット符号化方式の期間［ｔ’ｉ，ｔ’ｉ＋１］がソース符号化方式の期間［ｔｊ，ｔｊ＋１］以上である例のための選択のプロセスが示される。図９ａは、時刻インスタンスｔ０ないしｔ１８におけるソースゲイン値ｇ０ないしｇ１８のそれぞれの補間によって得られるソースゲイン曲線９０１を示している。このソースゲイン曲線９０１について、トランスコードされたターゲットゲイン曲線Ｇ’（ｔ）を決定する。図示の例では、このターゲットゲイン曲線は、図９においてグラフセグメント９０２、９０３および９０４としてそれぞれ示される３つのターゲットゲイン曲線セグメントＧ’０（ｔ）、Ｇ’１（ｔ）およびＧ’２（ｔ）を含む。期間［ｔ’ｉ，ｔ’ｉ＋１］内においてＧ’ｉ（ｔｊ，ｉ）≦ｇｊ，ｉ、である条件は、図示の例の場合、Ｇ’０（ｔ）について：
Ｇ’０（ｔ０）≦ｇ０，Ｇ’０（ｔ１）≦ｇ１，Ｇ’０（ｔ２）≦ｇ２，Ｇ’０（ｔ３）≦ｇ３，Ｇ’０（ｔ４）≦ｇ４，Ｇ’０（ｔ５）≦ｇ５，Ｇ’０（ｔ６）≦ｇ６
と書くことができ、Ｇ’１（ｔ）およびＧ’２（ｔ）についても同様に書くことができる。ターゲットデコーダの補間関数Ｗ’（ｔ）を用いる場合、ｊ＝０，．．．，６についての値Ｗ’ｊ，０＝Ｗ’（ｔｊ，０−ｔ’０）を計算することができる。先に与えられた等式内でこれらの補間値を用いることによって、先に選択されたターゲットゲイン値ｇ’０の関数としてのターゲットゲイン値ｇ’１についての不等式のセットを得ることができる。期間［ｔ’０，ｔ’１］内でターゲットゲイン曲線セグメントＧ’０（ｔ）、すなわちグラフ９０２、をソースゲイン曲線９０１に一致させる好ましい方法は、全ての不等式が同時に満たされる最大ターゲットゲイン値ｇ’１を選択することである。
【０１２３】
ターゲットゲイン値ｇ’ｉは、導出された不等式によって許されるレンジから注意深く選定される必要があることに留意されたい。ターゲットゲイン値ｇ’ｉのための局所的最適値が選択されると、上述の不等式は次のターゲットゲイン値ｇ’ｉ＋１のために可能な値の選択を著しく制限する場合がある。これにより、一般に好ましくない振動的なターゲットゲイン曲線Ｇ’（ｔ）を最終的に生じさせてしまう場合がある。このような振動的な挙動の一例が、ｇ’０＝０を選択したときに見ることができ、ｇ’０＝０を選択すると、上述の式（１２）および（１４）による、ｇ’１のための最適且つ最大値の選択に大きな自由度を残すことになる。しかし、これは、大きな修正部分
【０１２４】
【数１８】
【０１２５】
のせいで、ｇ’２の選択を小さくするように、またはゼロにするようにとまで要請する場合がある。次のステップでは、不等式のセットに従って次のターゲットゲイン値ｇ’３を自由に最大化させることができる。以上より分かるように、１度に１つのターゲットゲイン値ｇ’ｉしか扱わないこのような局所的な最適化および選択プロセスは、ターゲットゲイン曲線Ｇ’（ｔ）内に好ましくない振動を生じさせる場合がある。
【０１２６】
それ故、データに局所的に適合させすぎないで、より大域的な最適化プロセス内でターゲットゲイン値を選択することが都合よい場合がある。例えば、ターゲットゲイン値を、先に概説された順位フィルタアルゴリズムに従って決定されるターゲットゲイン値ｇ’ｉ以上に限定するなど、ターゲットゲイン値ｇ’ｉを追加の制約に従わせることによって振動を回避できる場合がある。その結果、最良一致ゲインアルゴリズムに関連して概説された不等式に加えて、これらの条件が満たされることになろう。
【０１２７】
さらに、ｔ’ｉ＜ｔｊ，ｉ≦ｔ’ｉ＋１でソースゲイン値ｇｊ，ｉが１つも存在しないターゲット期間［ｔ’ｉ，ｔ’ｉ＋１］の場合は、上述のアルゴリズムは不等式Ｇ’ｉ（ｔｊ，ｉ）≦ｇｊ，ｉを与えないことになろうということに留意されたい。その結果、対応するターゲットゲイン値ｇ’ｉの選択を制限する条件が存在しなくなるであろう。このような状況は、ターゲット符号化方式のブロック／フレームサイズがソース符号化方式のブロックサイズよりも小さいときに生じる場合がある。この問題は、例えばオーディオデコーダのサンプルホールド動作を適用することによって克服される場合がある。例えば、このような場合には、ｇｊ，ｉを、最新の既知のソースゲイン値ｇｊとするように選べばよい。
【０１２８】
代替的に、「最良一致」ゲインアルゴリズムがいかなる条件も与えないこのような場合には、先に概説された順位フィルタアルゴリズムに従ってターゲットゲイン値ｇ’ｉを選択することが都合よい場合もある。さらに、別の実施形態では、期間［ｔ’ｉ−β，ｔ’ｉ＋β］から可能なソースゲイン値ｇｊを選択することが都合よい場合もある。ここで、パラメータβは、順位フィルタアルゴリズムに関連して概説された式に従って選択すればよい。これらの可能なソースゲイン値ｇｊを用いることで、概説された「最良一致」ゲインアルゴリズムによる不等式が定式化されればよく、その結果、適当なターゲットゲイン値を決定すればよい。
【０１２９】
記載されている「最良一致」ゲインアルゴリズムは、複数のソースゲイン値ｇｊに基づいて適当なターゲットゲイン値ｇ’ｉを選択する。加えて、それは、先に示された式による補間関数Ｗ’（ｔ）を利用した、ターゲットゲイン値ｇ’ｉの補間の結果生じるターゲットゲイン曲線Ｇ’（ｔ）の推移を考慮する。このようなメタデータトランスコーダは、ソース符号化方式内で用いられる補間方式を意識する必要がなく、メタデータビットストリーム内で容易に入手できるソースゲイン値に純粋に依存する。その結果、「最良一致」ゲインアルゴリズムは、低い計算の複雑さで実装することができる。さらに、メタデータトランスコーダはターゲット符号化方式の補間関数Ｗ’（ｔ）の正確な知識を有する必要がないことに留意されたい。実際、メタデータトランスコーダが知る必要があるのは、この補間関数の特定のサンプルＷ’ｊ，ｉだけである。これらのサンプルはメタデータトランスコーダのメモリ内に表として記憶することができよう。
【０１３０】
順位フィルタアルゴリズムと同様に、「最良一致」ゲインアルゴリズムは一般化されることができ、そのため、ソースゲイン値だけでなく、ソースゲイン曲線もトランスコーディングの目的のために考慮されることにも留意されたい。「最良一致」ゲインアルゴリズムは、ソースゲイン値の時刻インスタンスにおいて、ターゲットゲイン曲線はソースゲイン値以下、すなわちＧ’ｉ（ｔｊ，ｉ）≦ｇｊ，ｉ、でなければならないことを前提とする。ソースゲイン曲線がメタデータトランスコーダに知られる場合は、この条件はソースゲイン値の時刻インスタンスにおいて、ターゲットゲイン曲線はソースゲイン曲線以下、すなわち、ｔ’ｉ＜ｔｊ，ｉ≦ｔ’ｉ＋１およびｔｊ＜ｔｊ，ｉ≦ｔｊ＋１として、Ｇ’ｉ（ｔｊ，ｉ）≦Ｇｊ（ｔｊ，ｉ）、でなければならないことを示すように再定式化されることができよう。先に与えられたターゲットゲインセグメントＧ’ｉ（ｔ）およびソースゲインセグメントＧｊ（ｔ）のための補間曲線を用いると、この不等式は次のように書くことができる：
【０１３１】
【数１９】
【０１３２】
Ｗ’ｊ，ｉ＝Ｗ’（ｔｊ，ｉ−ｔ’ｉ）を、時刻インスタンスｔｊ，ｉ、すなわちターゲットゲイン曲線のｉ番目の曲線セグメント内且つソースゲイン曲線のｊ番目の曲線セグメント内にある時刻インスタンス、における、ターゲット符号化方式の補間関数の値と定義する。同様にＷｊ，ｉ＝Ｗ（ｔｊ，ｉ−ｔｊ）を定義することができる。ソース符号化方式およびターゲット符号化方式の補間関数のこれらのサンプル値を用いると、上述の不等式は次のように書くことができる：
【０１３３】
【数２０】
【０１３４】
ソースゲイン値のみを用いる「最良一致」ゲインアルゴリズムのために与えられた式と同様に、この式は、ターゲットゲイン値ｇ’ｉ＋１をその先行ターゲットゲイン値ｇ’ｉに基づいて計算する再帰的方法を提供する。結果として生じるアルゴリズムは一般化「最良一致」ゲインアルゴリズムと呼ばれる。これは、（ｔ’ｉ＋１−ｔ’ｉ）≦（ｔｊ＋１−ｔｊ）である状況、すなわち２つの隣接するソースゲイン値の間の期間が２つの隣接するターゲットゲイン値の間の期間以上である場合に非常に都合がよい。先に概説したように、このような場合、条件ｔ’ｉ＜ｔｊ，ｉ≦ｔ’ｉ＋１を満たすことができるソースゲイン値ｇｊ，ｉが１つも存在しないということが起きる可能性がある。このような状況では、一般化「最良一致」ゲインアルゴリズムは、適当な補間されたゲインをソースゲイン曲線上に与え、ターゲットゲイン値ｇ’ｉ＋１の、その先行ターゲットゲイン値ｇ’ｉおよび補間されたソースゲイン値に基づいた決定を可能にする。
【０１３５】
図９ｂに、（ｔ’ｉ＋１−ｔ’ｉ）＜（ｔｊ＋１−ｔｊ）である場合のための一般化「最良一致」ゲインアルゴリズムの機能性を見ることができる。そこでは、線形補間されたゲイン曲線９２１が、Ｓ字型曲線の補間されたゲイン曲線９２２にトランスコードされている。このような状況は、ＨＥ−ＡＡＣゲインメタデータをＡＡＣまたはＡＣ−３ゲインメタデータにトランスコードするときに生じる場合がある。
【０１３６】
この特定の例では、ソース符号化方式のブロックサイズはターゲット符号化方式のブロックサイズのちょうど６倍であり、さらに、ブロックの境界はちょうど重なり合っている、すなわち第１のターゲット符号化ブロックの時刻インスタンスｔ’０は第１のソース符号化ブロックの時刻インスタンスｔ０と一致し、ｔ’６はｔ１と一致し、その他も同様となっている。図９ｂに示されている特定の場合については、Ｗ’ｊ，ｉ＝１であり、上述の再帰式は
【０１３７】
【数２１】
【０１３８】
となる。この場合は、時刻インスタンスｔ’ｉ＋１におけるソースゲイン曲線の値に対応する最大可能ターゲットゲイン値を選ぶことが１つの好ましい選択肢である。図９ｂにこのことが示されており、時刻インスタンスｔ’１０におけるターゲットゲイン値ｇ’１０が×印９３１として示されている。全体として、ターゲットゲイン曲線９２２はソースゲイン曲線９２１に非常によく一致していることが分かる。式（１５）によって要求される通り、ターゲットゲイン曲線９２２は時刻インスタンスｔｊ，ｉにおいてソースゲイン曲線９２１以下となっていることも分かる。一方、ターゲット符号化方式の、Ｓ字型曲線による補間の故に、ターゲットゲイン曲線はソースゲイン曲線よりも大きくなることもある。先に強調されたように、ターゲットゲイン曲線は常にソースゲイン曲線以下でなければならないという一般的制約をこのように弱めることは、或るトランスコーディング状況において、特に、２つのゲイン曲線の全体的な一致により大きな重点が置かれるときに、都合よい場合がある。
【０１３９】
「最良一致」ゲインアルゴリズムおよび一般化「最良一致」ゲインアルゴリズムの組み合わせを用いることが都合よい場合があることに留意されたい。例えば、「最良一致」ゲインアルゴリズムは、ターゲット符号化方式のブロックサイズがソース符号化方式のブロックサイズ以上である状況のために、すなわち、とりわけ、ＡＣ−３からＨＥ ＡＡＣへのトランスコーディングのために、用いられればよい。一方、一般化「最良一致」ゲインアルゴリズムは、ターゲット符号化方式のブロックサイズがソース符号化方式のブロックサイズよりも小さいという状況のために、すなわち、とりわけ、ＨＥ ＡＡＣからＡＣ−３へのトランスコーディングのために、用いられればよい。アルゴリズムを組み合わせることによって、計算の複雑さと一致性能との間のトレードオフを行うことができる。
【０１４０】
アルゴリズム３：補間の選定
さらなるアルゴリズムは、いわゆるゲイン補間方式である、ＭＰＥＧ−４ＨＥ ＡＡＣによって提供される追加のＤＲＣゲイン制御機能性を利用する。先に概説したように、ＨＥ ＡＡＣは種々の補間方式の選択を可能にし、２つの隣接するゲイン値の間の線形補間、または２つの隣接する符号化ブロックの間の８つの時刻インスタンスのうちの１つにおける急激な、「アタック」に似た補間のいずれかから選ぶことを可能にする。従って、ゲイン補間方式は２つのゲイン制御点またはゲイン値の間のゲイン補間曲線の形状の制御を可能とする。このことは図３のグラフ３０２および３０３に関連して記載されている。緩慢な補間３０２は滑らかな指数関数的ゲインリリースを模擬するのによく適しているのに対して、補間方式３０３は鋭いゲインアタックを模擬することができることが分かる。
【０１４１】
この観察より、ソースゲイン曲線をターゲットゲイン曲線にトランスコードするアルゴリズムであって、ターゲット符号化方式が種々の補間方式または種々の補間曲線パターンの選択を可能にする、ＨＥ ＡＡＣ等の場合のための以下のアルゴリズムが生じる。ターゲット符号化方式は、恐らく滑らかな「リリース」用の補間曲線パターン、およびありうる急激な「アタック」用の補間曲線パターンの選択を少なくとも可能にするものでなければならない。アルゴリズムは次のステップから成る：
１．ソースゲイン曲線の勾配を推定する。これは、例えば、その一次導関数を分析することによって、または適当な隣接するソースゲイン値の間の差を計算することによって行われることができる。もし負の勾配が特定の閾値を超えれば、現在のフレームを「アタック」（Ａ）として分類し、さもなければ現在のフレームを「リリース」（Ｒ）として分類する。
２．現在のフレームが（Ｒ）として分類された場合、先に概説された順位フィルタアルゴリズムに従って次のターゲットゲイン値を決定する。さらに、ターゲット符号化方式の、滑らかなすなわち「リリース」補間曲線が選択される。
３．現在のフレームが（Ａ）として分類された場合、先に概説された順位フィルタアルゴリズムに従って次のターゲットゲイン値を決定する。ソース符号化方式がＡＡＣまたはＡＣ−３等の変換ベースのコーデックであれば、次のターゲットゲイン値は、ＡＡＣ窓の中心を中心とした、ターゲットゲインの最小値として選択することもできる。適当な次のターゲットゲイン値の決定後、ターゲット符号化方式の「アタック」補間曲線パターンを選択する。さらに、ターゲット符号化方式が、異なる時刻インスタンスにおいて複数の「アタック」補間曲線パターンのうちの１つの選択を可能にする場合は、ソースゲイン曲線の一次導関数の絶対値が最高になる点、すなわち勾配が最も急峻になる点、に勾配が最も近い「アタック」補間曲線パターンを選択する。ソース符号化方式に応じて、ソースゲイン曲線上のこの点は異なる手段によって決定されてもよい。例えば、ＡＡＣのＳ字状の補間曲線については、２つの隣接するソースゲイン値の間の最も急峻な勾配の点は２つのソースゲイン値の間の中点になる。
【０１４２】
図１０は、ゲインメタデータの、ＡＡＣまたはＡＣ−３等の変換ベースの符号化方式からＨＥ ＡＡＣへのトランスコーディングについてのシミュレーション結果を示す。グラフ１００１はソースゲイン曲線を示し、グラフ１００２はターゲットゲイン曲線を示す。記載されている補間選定アルゴリズムを用いると、非常に良好なゲイン一致結果が達成されることができることが分かる。実際、観察された結果は、記載されている順位フィルタアルゴリズムを用いて得られた結果よりも良好であった。とりわけ、これは、補間選定アルゴリズムが、ターゲット符号化方式の、種々の補間曲線の中から選ぶ機能性を追加的に用いる事実のおかげである。この選択は、「アタック」セグメントおよび「リリース」セグメントにおけるソースゲイン曲線の分類に基づいて遂行される。換言すると、補間選定アルゴリズムはソースゲイン値、ならびにターゲットの符号化システムの窓および／または補間関数を考慮するだけでなく、適当なターゲットゲイン値および最終的に適当なターゲットゲイン曲線パターンを決定するために、ソースゲイン曲線の推移も分析する。より一般的には、補間選定アルゴリズムは、ソースゲイン値ならびにソースデコーダの窓および／または補間関数と、ターゲットゲイン値ならびにターゲットデコーダの窓および／または補間関数の両方を考慮すると言ってよい。
【０１４３】
本文書は、ソース符号化方式とターゲット符号化方式との間のゲインメタデータのトランスコーディングのためのアルゴリズムをいくつか提供している。ゲインメタデータのこのようなトランスコーディングは、オーディオストリームの制作センターとオーディオストリームの発行の最終点との間のいくつかの場面で遂行する必要がある。記載しているアルゴリズムは、符号化ブロックまたはフレームの長さが異なる、ならびに隣接するゲイン値の間の期間が異なる符号化方式の間の柔軟なトランスコーディングを可能とする。さらに、符号化ブロックのこれらの長さは任意の時点で変化する場合があり、同様に、隣接するゲイン値の間の期間もオーディオストリーム内の任意の時点で変化する場合がある。記載されているアルゴリズムはソースおよびターゲット符号化方式のこの柔軟性を考慮し、変化するブロック長および変化する期間の符号化方式の間の柔軟なトランスコーディングを可能とする。加えて、記載されているアルゴリズムはソースゲイン曲線とターゲットゲイン曲線との間の最良一致をもたらす。さらに、クリッピング等の望ましくない影響を回避するためにターゲットゲイン曲線はソースゲイン曲線を常に下回っていなければならない等の制約を考慮すればよい。
【０１４４】
最後に、計算の複雑さ、およびメタデータトランスコーダ内で処理されるデータの量に関する種々の要件を満たす複数のアルゴリズムが記載されていることに留意されたい。メタデータビットストリーム内で入手できるソースゲイン値に純粋に基づいてメタデータトランスコーディングを遂行することが都合よい場合がある。これは、プロセッサおよびメモリ要件が低減された非常に複雑さの低いトランスコーディングアルゴリズムを提供することになる。これは例えば順位フィルタアルゴリズムの場合に該当する。ターゲット符号化方式の補間方式および窓関数を追加的に考慮すると、トランスコーディングの性能を向上させる可能性がある。これは例えば「最良一致」ゲインアルゴリズムおよび補間選定アルゴリズムの場合に該当する。同様にこの場合には、メタデータトランスコーダが、メタデータビットストリームから入手できる情報に直接基づいてトランスコーディングを遂行してもよい。実際、ソース符号化方式に関する詳細な知識はメタデータトランスコーダにおいて必要とされることはなかろう。最後に、同様にソース符号化方式の補間方式および窓関数も考慮すれば、メタデータトランスコーディングをさらに向上させる場合がある。これは一般化順位フィルタアルゴリズムおよび一般化「最良一致」ゲインアルゴリズムの場合に該当する。ただし、これらのアルゴリズムはメタデータトランスコーダにおいてソース符号化方式に関する追加の情報を必要とする。このようなデータは、例えばメタデータトランスコーダのメモリ内に記憶すればよく、窓関数の、選択されたサンプルに限定することができよう。例えば、メタデータトランスコーディングが消費者のセットトップボックス内で遂行される場合は、このようなデータはセットトップボックスのメモリ内に記憶すればよい。
【０１４５】
上述のアルゴリズムは多様な方法で組み合わせられてよいことに留意されたい。例えば、特定のトランスコーディング状況のために１つのアルゴリズムを用い、トランスコーディング状況が変化すれば別のアルゴリズムに交換することが都合よい場合がある。このような変化するトランスコーディング状況は、符号化方式のブロックサイズが、例えば長いブロックから短いブロックに、変わるときに生じる場合がある。さらに、異なる窓関数が適用されると補間条件が変わる場合がある。従って、記載されているアルゴリズムの様々な組み合わせが本発明の一部と見なされることを理解されたい。特定のトランスコーディング状況のために適当なトランスコーディングアルゴリズムを選択することに加えて、順位フィルタアルゴリズムのパラメータβ等の、入手できるパラメータを特定のトランスコーディング状況に適合させることが都合よい場合もある。例えば、ソース符号化方式またはターゲット符号化方式上で符号化ブロックの長さが長いフレームから短いフレームに変われば、順位アルゴリズム内で適用される期間を変更することが適切である場合がある。
【０１４６】
概して、本文書において記載されているアルゴリズムもそれらの関連パラメータも任意の組み合わせで適用することができ、現在のトランスコーディング状況、および連続的に変化するトランスコーディング状況に適合するためにブロックごとに「オンザフライで」変更すればよいことはいうまでもない。
【特許請求の範囲】
【請求項１】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法であって、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
前記方法は：
前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした或る期間内において、前記第１のゲインメタデータの最小ゲイン値が選択されるように、前記第１のゲインメタデータの複数のゲイン値に基づいて前記第２のゲインメタデータのゲイン値を選択するステップと；
前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした期間内に前記第１のゲインメタデータのゲイン値が１つもなければ、前記第２のゲインメタデータのゲイン値を、
前記第２のゲインメタデータのゲイン値に関連付けられる符号化ブロックに先行する符号化ブロックに関連付けられる前記第２のゲインメタデータのゲイン値；または
前記期間の直前に先行する前記第１のゲインメタデータのゲイン値；
とするように選択するステップと；
を含むことを特徴とする、方法。
【請求項２】
前記第１および第２のオーディオ符号化方式の符号化ブロックは、それぞれ、エンコードされるオーディオ信号の異なる時間の長さにわたるものであることを特徴とする、請求項１に記載の方法。
【請求項３】
前記期間の上限および下限が、前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスにそれぞれ加減算される時間定数によって決定されることを特徴とする、請求項１に記載の方法。
【請求項４】
前記第１および第２のオーディオ符号化方式の符号化ブロックは、それぞれ、エンコードされるオーディオ信号の特定の時間の長さにわたるものであり、前記時間定数は、
前記第１のオーディオ符号化方式の符号化ブロックの時間の長さ；および
前記第２のオーディオ符号化方式の符号化ブロックの時間の長さ；
のうちの最大値以上であることを特徴とする、請求項３に記載の方法。
【請求項５】
前記第１および第２のオーディオ符号化方式の符号化ブロックは、それぞれ、エンコードされるオーディオ信号の特定の時間の長さにわたるものであり、前記時間定数は、
前記第１のオーディオ符号化方式の符号化ブロックの時間の長さ；および
前記第２のオーディオ符号化方式の符号化ブロックの時間の長さ；
のうちの最大値未満であることを特徴とする、請求項３に記載の方法。
【請求項６】
前記第２のオーディオ符号化方式は、前記第２のゲインメタデータの隣接するゲイン値を補間して第２のゲイン曲線を形成する種々の補間曲線の選択を可能にし；
前記方法は：
前記第１のゲインメタデータの複数のゲイン値に基づいて前記第２のゲインメタデータの２つの隣接するゲイン値の間の適当な補間曲線を選択するステップ；
をさらに含むことを特徴とする、請求項１に記載の方法。
【請求項７】
前記適当な補間曲線は、前記第１のゲインメタデータの２つの隣接するゲイン値の間の差に基づいて選択されることを特徴とする、請求項６に記載の方法。
【請求項８】
前記第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ；
前記第１のゲイン曲線は第１のゲインメタデータの隣接するゲイン値を補間することによって得られ；
前記方法は：
前記第１のゲイン曲線の勾配に基づいて前記第２のゲインメタデータの２つの隣接するゲイン値の間の前記適当な補間曲線を選択するステップ；
をさらに含む；
ことを特徴とする請求項６に記載の方法。
【請求項９】
前記方法は：
前記第１のゲイン曲線の負の勾配が所定の閾値を超えていれば、ゲインアタックを検出するステップと；
前記第１のゲイン曲線の負の勾配が所定の閾値未満であれば、ゲインリリースを検出するステップと；
前記第１のゲイン曲線の、検出したゲインアタックまたはゲインリリースに基づいて前記第２のゲインメタデータの２つの隣接するゲイン値の間の適当な補間曲線を選択するステップと；
をさらに含むことを特徴とする、請求項８に記載の方法。
【請求項１０】
前記方法は：
前記第１のゲイン曲線の前記勾配の絶対値が最大となる位置に基づいて前記第２のゲインメタデータの２つの隣接するゲイン値の間の適当な補間曲線を選択するステップ；
をさらに含むことを特徴とする、請求項９に記載の方法。
【請求項１１】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法であって、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
前記第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ；
前記方法は：
前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした或る期間内の前記第１のゲイン曲線の最小値を前記第２のゲインメタデータのゲイン値として選択するステップ；
を含むことを特徴とする、方法。
【請求項１２】
前記第１のゲイン曲線の最小値を選択するステップは、前記期間内の前記第１のゲイン曲線のサンプルのセットの最小値を選択するステップを含むことを特徴とする、請求項１１に記載の方法。
【請求項１３】
前記第１のゲイン曲線のセットのサンプルは、前記期間の範囲内にある前記第２のゲイン値の符号化ブロックに関連付けられる時刻インスタンスにおける前記第１のゲイン曲線のサンプルに対応することを特徴とする、請求項１２に記載の方法。
【請求項１４】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法であって、
前記第１および第２のオーディオ符号化方式は符号化ブロックごとに異なる数のオーディオサンプルを有し；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
隣接する符号化ブロックの一連のゲイン値が補間されてゲイン曲線を定義し；
前記方法は：
前記第２のゲイン曲線が前記第１のゲイン曲線を下回るように、前記第１のゲインメタデータの複数のゲイン値に基づいて前記第２のゲインメタデータのゲイン値を選択するステップ；
を含むことを特徴とする、方法。
【請求項１５】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法であって、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
前記第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ；
前記第２のゲインメタデータのゲイン値に第２のゲイン曲線が関連付けられ；
前記方法は：
前記第１のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、および前記第２のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、前記第２のゲイン曲線が前記第１のゲイン曲線以下となるように、前記第２のゲインメタデータのゲイン値を選択するステップ；
を含むことを特徴とする、方法。
【請求項１６】
前記第１のゲイン曲線は、隣接する第１のゲイン値と第１の窓関数とに関連付けられるセグメント群から成り；
前記第２のゲイン曲線は、隣接する第２のゲイン値と第２の窓関数とに関連付けられるセグメント群から成る；
ことを特徴とする請求項１５に記載の方法。
【請求項１７】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードするトランスコーディングシステムであって、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
前記トランスコーディングシステムは：
前記第２のゲインメタデータのゲイン値に関連付けられる前記時刻インスタンスを中心とした或る期間内に、前記第１のゲインメタデータの最小ゲイン値が選択されるように、前記第１のゲインメタデータの複数のゲイン値に基づいて前記第２のゲインメタデータのゲイン値を選択し；前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした期間内に前記第１のゲインメタデータのゲイン値が１つもなければ、前記第２のゲインメタデータのゲイン値を、
前記第２のゲインメタデータのゲイン値に関連付けられる前記符号化ブロックに先行する符号化ブロックに関連付けられる前記第２のゲインメタデータのゲイン値；または
前記期間の直前に先行する前記第１のゲインメタデータのゲイン値；
とするように選択する選択手段；
を含むことを特徴とする、トランスコーディングシステム。
【請求項１８】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードするトランスコーディングシステムであって、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
前記第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ；
前記トランスコーディングシステムは：
前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした期間内の前記第１のゲイン曲線の最小値を前記第２のゲインメタデータのゲイン値として選択する選択手段；
を含むことを特徴とする、トランスコーディングシステム。
【請求項１９】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードするトランスコーディングシステムであり、
前記第１および第２のオーディオ符号化方式は符号化ブロックごとに異なる数のオーディオサンプルを有し；
各符号化ブロックは関連ゲイン値を有し；
隣接する符号化ブロック同士の一連のゲイン値が補間されてゲイン曲線を定義し；
前記トランスコーディングシステムは：
前記第２のゲイン曲線が前記第１のゲイン曲線を下回るように、前記第１のゲインメタデータの複数のゲイン値に基づいて前記第２のゲインメタデータのゲイン値を選択する選択手段；
を含むことを特徴とする、トランスコーディングシステム。
【請求項２０】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードするトランスコーディングシステムであって、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは関連ゲイン値を有し；
前記第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ；
前記第２のゲインメタデータのゲイン値に第２のゲイン曲線が関連付けられ；
前記トランスコーディングシステムは：
前記第１のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、および前記第２のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、前記第２のゲイン曲線が前記第１のゲイン曲線以下となるように、前記第２のゲインメタデータのゲイン値を選択する選択手段；
を含むことを特徴とする、トランスコーディングシステム。
【請求項２１】
コンピュータ上で実行すると請求項１ないし１６のうちのいずれか１項の方法を遂行するための実行可能命令を含むことを特徴とするコンピュータプログラム製品。
【請求項２２】
受信されたマルチメディア信号を復号するセットトップボックスであって、前記セットトップボックスは：
第１の符号化方式のマルチメディア信号を受信する受信器と；
前記第１の符号化方式のマルチメディア信号を第２の符号化方式のマルチメディア信号にトランスコードするトランスコーディングユニットと；
前記トランスコードされたマルチメディア信号を送信する送信器と；
を含み、前記トランスコーディングユニットは、ダイナミックレンジ制御に関連するオーディオゲインメタデータを前記第１の符号化方式の第１のゲインメタデータから前記第２の符号化方式の第２のゲインメタデータにトランスコードし、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
前記トランスコーディングユニットは、前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした或る期間内に、前記第１のゲインメタデータの最小ゲイン値が選択されるように、前記第１のゲインメタデータの複数のゲイン値に基づいて前記第２のゲインメタデータのゲイン値を選択し；前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした期間内に前記第１のゲインメタデータのゲイン値が１つもなければ、前記第２のゲインメタデータのゲイン値は、
前記第２のゲインメタデータのゲイン値に関連付けられる符号化ブロックに先行する符号化ブロックに関連付けられる前記第２のゲインメタデータのゲイン値；または
前記期間の直前に先行する前記第１のゲインメタデータのゲイン値；
とするように選択されることを特徴とする、セットトップボックス。
【請求項２３】
受信されたマルチメディア信号を復号するセットトップボックスであって、前記セットトップボックスは：
第１の符号化方式のマルチメディア信号を受信する受信器と；
前記第１の符号化方式のマルチメディア信号を第２の符号化方式のマルチメディア信号にトランスコードするトランスコーディングユニットと；
前記トランスコードされたマルチメディア信号を送信する送信器と；
を含み、前記トランスコーディングユニットは、ダイナミックレンジ制御に関連するオーディオゲインメタデータを前記第１の符号化方式の第１のゲインメタデータから前記第２の符号化方式の第２のゲインメタデータにトランスコードし、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
前記第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ；
前記トランスコーディングユニットは、前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした或る期間内の前記第１のゲイン曲線の最小値を前記第２のゲインメタデータのゲイン値として選択することを特徴とする、セットトップボックス。
【請求項２４】
受信されたマルチメディア信号を復号するセットトップボックスであって、前記セットトップボックスは：
第１の符号化方式のマルチメディア信号を受信する受信器と；
前記第１の符号化方式のマルチメディア信号を第２の符号化方式のマルチメディア信号にトランスコードするトランスコーディングユニットと；
前記トランスコードされたマルチメディア信号を送信する送信器と；
を含み、前記トランスコーディングユニットは、ダイナミックレンジ制御に関連するオーディオゲインメタデータを前記第１の符号化方式の第１のゲインメタデータから前記第２の符号化方式の第２のゲインメタデータにトランスコードし、
前記第１および第２のオーディオ符号化方式は符号化ブロックごとに異なる数のオーディオサンプルを有し；
各符号化ブロックは関連ゲイン値を有し；
隣接する符号化ブロックの一連のゲイン値が補間されてゲイン曲線を定義し；
前記トランスコーディングユニットは、前記第２のゲイン曲線が前記第１のゲイン曲線を下回るように、前記第１のゲインメタデータの複数のゲイン値に基づいて前記第２のゲインメタデータのゲイン値を選択することを特徴とする、セットトップボックス。
【請求項２５】
受信されたマルチメディア信号を復号するセットトップボックスであって、前記セットトップボックスは：
第１の符号化方式のマルチメディア信号を受信する受信器と；
前記第１の符号化方式の前記マルチメディア信号を第２の符号化方式のマルチメディア信号にトランスコードするトランスコーディングユニットと；
前記トランスコードされたマルチメディア信号を送信する送信器と；
を含み、前記トランスコーディングユニットは、ダイナミックレンジ制御に関連するオーディオゲインメタデータを前記第１の符号化方式の第１のゲインメタデータから前記第２の符号化方式の第２のゲインメタデータにトランスコードし、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは関連ゲイン値を有し；
前記第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ；
前記第２のゲインメタデータのゲイン値に第２のゲイン曲線が関連付けられ；
前記トランスコーディングシステムは、前記第１のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、および前記第２のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、前記第２のゲイン曲線が前記第１のゲイン曲線以下となるように、前記第２のゲインメタデータのゲイン値を選択することを特徴とする、セットトップボックス。
【請求項２６】
前記第１および第２のオーディオ符号化方式は：ドルビーＥ、ドルビーデジタル、ＡＡＣ、ＨＥ ＡＡＣ、のうちの１つであることを特徴とする、請求項１ないし１６のうちのいずれか１項に記載の方法。
【請求項１】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法であって、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
前記方法は：
前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした或る期間内において、前記第１のゲインメタデータの最小ゲイン値が選択されるように、前記第１のゲインメタデータの複数のゲイン値に基づいて前記第２のゲインメタデータのゲイン値を選択するステップと；
前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした期間内に前記第１のゲインメタデータのゲイン値が１つもなければ、前記第２のゲインメタデータのゲイン値を、
前記第２のゲインメタデータのゲイン値に関連付けられる符号化ブロックに先行する符号化ブロックに関連付けられる前記第２のゲインメタデータのゲイン値；または
前記期間の直前に先行する前記第１のゲインメタデータのゲイン値；
とするように選択するステップと；
を含むことを特徴とする、方法。
【請求項２】
前記第１および第２のオーディオ符号化方式の符号化ブロックは、それぞれ、エンコードされるオーディオ信号の異なる時間の長さにわたるものであることを特徴とする、請求項１に記載の方法。
【請求項３】
前記期間の上限および下限が、前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスにそれぞれ加減算される時間定数によって決定されることを特徴とする、請求項１に記載の方法。
【請求項４】
前記第１および第２のオーディオ符号化方式の符号化ブロックは、それぞれ、エンコードされるオーディオ信号の特定の時間の長さにわたるものであり、前記時間定数は、
前記第１のオーディオ符号化方式の符号化ブロックの時間の長さ；および
前記第２のオーディオ符号化方式の符号化ブロックの時間の長さ；
のうちの最大値以上であることを特徴とする、請求項３に記載の方法。
【請求項５】
前記第１および第２のオーディオ符号化方式の符号化ブロックは、それぞれ、エンコードされるオーディオ信号の特定の時間の長さにわたるものであり、前記時間定数は、
前記第１のオーディオ符号化方式の符号化ブロックの時間の長さ；および
前記第２のオーディオ符号化方式の符号化ブロックの時間の長さ；
のうちの最大値未満であることを特徴とする、請求項３に記載の方法。
【請求項６】
前記第２のオーディオ符号化方式は、前記第２のゲインメタデータの隣接するゲイン値を補間して第２のゲイン曲線を形成する種々の補間曲線の選択を可能にし；
前記方法は：
前記第１のゲインメタデータの複数のゲイン値に基づいて前記第２のゲインメタデータの２つの隣接するゲイン値の間の適当な補間曲線を選択するステップ；
をさらに含むことを特徴とする、請求項１に記載の方法。
【請求項７】
前記適当な補間曲線は、前記第１のゲインメタデータの２つの隣接するゲイン値の間の差に基づいて選択されることを特徴とする、請求項６に記載の方法。
【請求項８】
前記第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ；
前記第１のゲイン曲線は第１のゲインメタデータの隣接するゲイン値を補間することによって得られ；
前記方法は：
前記第１のゲイン曲線の勾配に基づいて前記第２のゲインメタデータの２つの隣接するゲイン値の間の前記適当な補間曲線を選択するステップ；
をさらに含む；
ことを特徴とする請求項６に記載の方法。
【請求項９】
前記方法は：
前記第１のゲイン曲線の負の勾配が所定の閾値を超えていれば、ゲインアタックを検出するステップと；
前記第１のゲイン曲線の負の勾配が所定の閾値未満であれば、ゲインリリースを検出するステップと；
前記第１のゲイン曲線の、検出したゲインアタックまたはゲインリリースに基づいて前記第２のゲインメタデータの２つの隣接するゲイン値の間の適当な補間曲線を選択するステップと；
をさらに含むことを特徴とする、請求項８に記載の方法。
【請求項１０】
前記方法は：
前記第１のゲイン曲線の前記勾配の絶対値が最大となる位置に基づいて前記第２のゲインメタデータの２つの隣接するゲイン値の間の適当な補間曲線を選択するステップ；
をさらに含むことを特徴とする、請求項９に記載の方法。
【請求項１１】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法であって、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
前記第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ；
前記方法は：
前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした或る期間内の前記第１のゲイン曲線の最小値を前記第２のゲインメタデータのゲイン値として選択するステップ；
を含むことを特徴とする、方法。
【請求項１２】
前記第１のゲイン曲線の最小値を選択するステップは、前記期間内の前記第１のゲイン曲線のサンプルのセットの最小値を選択するステップを含むことを特徴とする、請求項１１に記載の方法。
【請求項１３】
前記第１のゲイン曲線のセットのサンプルは、前記期間の範囲内にある前記第２のゲイン値の符号化ブロックに関連付けられる時刻インスタンスにおける前記第１のゲイン曲線のサンプルに対応することを特徴とする、請求項１２に記載の方法。
【請求項１４】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法であって、
前記第１および第２のオーディオ符号化方式は符号化ブロックごとに異なる数のオーディオサンプルを有し；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
隣接する符号化ブロックの一連のゲイン値が補間されてゲイン曲線を定義し；
前記方法は：
前記第２のゲイン曲線が前記第１のゲイン曲線を下回るように、前記第１のゲインメタデータの複数のゲイン値に基づいて前記第２のゲインメタデータのゲイン値を選択するステップ；
を含むことを特徴とする、方法。
【請求項１５】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードする方法であって、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
前記第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ；
前記第２のゲインメタデータのゲイン値に第２のゲイン曲線が関連付けられ；
前記方法は：
前記第１のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、および前記第２のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、前記第２のゲイン曲線が前記第１のゲイン曲線以下となるように、前記第２のゲインメタデータのゲイン値を選択するステップ；
を含むことを特徴とする、方法。
【請求項１６】
前記第１のゲイン曲線は、隣接する第１のゲイン値と第１の窓関数とに関連付けられるセグメント群から成り；
前記第２のゲイン曲線は、隣接する第２のゲイン値と第２の窓関数とに関連付けられるセグメント群から成る；
ことを特徴とする請求項１５に記載の方法。
【請求項１７】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードするトランスコーディングシステムであって、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
前記トランスコーディングシステムは：
前記第２のゲインメタデータのゲイン値に関連付けられる前記時刻インスタンスを中心とした或る期間内に、前記第１のゲインメタデータの最小ゲイン値が選択されるように、前記第１のゲインメタデータの複数のゲイン値に基づいて前記第２のゲインメタデータのゲイン値を選択し；前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした期間内に前記第１のゲインメタデータのゲイン値が１つもなければ、前記第２のゲインメタデータのゲイン値を、
前記第２のゲインメタデータのゲイン値に関連付けられる前記符号化ブロックに先行する符号化ブロックに関連付けられる前記第２のゲインメタデータのゲイン値；または
前記期間の直前に先行する前記第１のゲインメタデータのゲイン値；
とするように選択する選択手段；
を含むことを特徴とする、トランスコーディングシステム。
【請求項１８】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードするトランスコーディングシステムであって、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
前記第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ；
前記トランスコーディングシステムは：
前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした期間内の前記第１のゲイン曲線の最小値を前記第２のゲインメタデータのゲイン値として選択する選択手段；
を含むことを特徴とする、トランスコーディングシステム。
【請求項１９】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードするトランスコーディングシステムであり、
前記第１および第２のオーディオ符号化方式は符号化ブロックごとに異なる数のオーディオサンプルを有し；
各符号化ブロックは関連ゲイン値を有し；
隣接する符号化ブロック同士の一連のゲイン値が補間されてゲイン曲線を定義し；
前記トランスコーディングシステムは：
前記第２のゲイン曲線が前記第１のゲイン曲線を下回るように、前記第１のゲインメタデータの複数のゲイン値に基づいて前記第２のゲインメタデータのゲイン値を選択する選択手段；
を含むことを特徴とする、トランスコーディングシステム。
【請求項２０】
ダイナミックレンジ制御に関連するオーディオゲインメタデータを第１のオーディオ符号化方式の第１のゲインメタデータから第２のオーディオ符号化方式の第２のゲインメタデータにトランスコードするトランスコーディングシステムであって、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは関連ゲイン値を有し；
前記第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ；
前記第２のゲインメタデータのゲイン値に第２のゲイン曲線が関連付けられ；
前記トランスコーディングシステムは：
前記第１のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、および前記第２のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、前記第２のゲイン曲線が前記第１のゲイン曲線以下となるように、前記第２のゲインメタデータのゲイン値を選択する選択手段；
を含むことを特徴とする、トランスコーディングシステム。
【請求項２１】
コンピュータ上で実行すると請求項１ないし１６のうちのいずれか１項の方法を遂行するための実行可能命令を含むことを特徴とするコンピュータプログラム製品。
【請求項２２】
受信されたマルチメディア信号を復号するセットトップボックスであって、前記セットトップボックスは：
第１の符号化方式のマルチメディア信号を受信する受信器と；
前記第１の符号化方式のマルチメディア信号を第２の符号化方式のマルチメディア信号にトランスコードするトランスコーディングユニットと；
前記トランスコードされたマルチメディア信号を送信する送信器と；
を含み、前記トランスコーディングユニットは、ダイナミックレンジ制御に関連するオーディオゲインメタデータを前記第１の符号化方式の第１のゲインメタデータから前記第２の符号化方式の第２のゲインメタデータにトランスコードし、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
前記トランスコーディングユニットは、前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした或る期間内に、前記第１のゲインメタデータの最小ゲイン値が選択されるように、前記第１のゲインメタデータの複数のゲイン値に基づいて前記第２のゲインメタデータのゲイン値を選択し；前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした期間内に前記第１のゲインメタデータのゲイン値が１つもなければ、前記第２のゲインメタデータのゲイン値は、
前記第２のゲインメタデータのゲイン値に関連付けられる符号化ブロックに先行する符号化ブロックに関連付けられる前記第２のゲインメタデータのゲイン値；または
前記期間の直前に先行する前記第１のゲインメタデータのゲイン値；
とするように選択されることを特徴とする、セットトップボックス。
【請求項２３】
受信されたマルチメディア信号を復号するセットトップボックスであって、前記セットトップボックスは：
第１の符号化方式のマルチメディア信号を受信する受信器と；
前記第１の符号化方式のマルチメディア信号を第２の符号化方式のマルチメディア信号にトランスコードするトランスコーディングユニットと；
前記トランスコードされたマルチメディア信号を送信する送信器と；
を含み、前記トランスコーディングユニットは、ダイナミックレンジ制御に関連するオーディオゲインメタデータを前記第１の符号化方式の第１のゲインメタデータから前記第２の符号化方式の第２のゲインメタデータにトランスコードし、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは少なくとも１つの関連ゲイン値を有し；
前記第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ；
前記トランスコーディングユニットは、前記第２のゲインメタデータのゲイン値に関連付けられる時刻インスタンスを中心とした或る期間内の前記第１のゲイン曲線の最小値を前記第２のゲインメタデータのゲイン値として選択することを特徴とする、セットトップボックス。
【請求項２４】
受信されたマルチメディア信号を復号するセットトップボックスであって、前記セットトップボックスは：
第１の符号化方式のマルチメディア信号を受信する受信器と；
前記第１の符号化方式のマルチメディア信号を第２の符号化方式のマルチメディア信号にトランスコードするトランスコーディングユニットと；
前記トランスコードされたマルチメディア信号を送信する送信器と；
を含み、前記トランスコーディングユニットは、ダイナミックレンジ制御に関連するオーディオゲインメタデータを前記第１の符号化方式の第１のゲインメタデータから前記第２の符号化方式の第２のゲインメタデータにトランスコードし、
前記第１および第２のオーディオ符号化方式は符号化ブロックごとに異なる数のオーディオサンプルを有し；
各符号化ブロックは関連ゲイン値を有し；
隣接する符号化ブロックの一連のゲイン値が補間されてゲイン曲線を定義し；
前記トランスコーディングユニットは、前記第２のゲイン曲線が前記第１のゲイン曲線を下回るように、前記第１のゲインメタデータの複数のゲイン値に基づいて前記第２のゲインメタデータのゲイン値を選択することを特徴とする、セットトップボックス。
【請求項２５】
受信されたマルチメディア信号を復号するセットトップボックスであって、前記セットトップボックスは：
第１の符号化方式のマルチメディア信号を受信する受信器と；
前記第１の符号化方式の前記マルチメディア信号を第２の符号化方式のマルチメディア信号にトランスコードするトランスコーディングユニットと；
前記トランスコードされたマルチメディア信号を送信する送信器と；
を含み、前記トランスコーディングユニットは、ダイナミックレンジ制御に関連するオーディオゲインメタデータを前記第１の符号化方式の第１のゲインメタデータから前記第２の符号化方式の第２のゲインメタデータにトランスコードし、
前記第１および第２のオーディオ符号化方式は複数の符号化ブロックを用い；
各符号化ブロックは関連ゲイン値を有し；
前記第１のゲインメタデータのゲイン値に第１のゲイン曲線が関連付けられ；
前記第２のゲインメタデータのゲイン値に第２のゲイン曲線が関連付けられ；
前記トランスコーディングシステムは、前記第１のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、および前記第２のオーディオ符号化方式の符号化ブロックに関連付けられる時刻インスタンスにおいて、前記第２のゲイン曲線が前記第１のゲイン曲線以下となるように、前記第２のゲインメタデータのゲイン値を選択することを特徴とする、セットトップボックス。
【請求項２６】
前記第１および第２のオーディオ符号化方式は：ドルビーＥ、ドルビーデジタル、ＡＡＣ、ＨＥ ＡＡＣ、のうちの１つであることを特徴とする、請求項１ないし１６のうちのいずれか１項に記載の方法。
【図１】
【図２】
【図３】
【図４ａ】
【図４ｂ】
【図４ｃ】
【図５】
【図６】
【図７ａ】
【図７ｂ】
【図８】
【図９ａ】
【図９ｂ】
【図１０】
【図２】
【図３】
【図４ａ】
【図４ｂ】
【図４ｃ】
【図５】
【図６】
【図７ａ】
【図７ｂ】
【図８】
【図９ａ】
【図９ｂ】
【図１０】
【公表番号】特表２０１２−５０４２６０（Ｐ２０１２−５０４２６０Ａ）
【公表日】平成２４年２月１６日（２０１２．２．１６）
【国際特許分類】
【出願番号】特願２０１１−５３００９９（Ｐ２０１１−５３００９９）
【出願日】平成２１年９月１７日（２００９．９．１７）
【国際出願番号】ＰＣＴ／ＵＳ２００９／０５７２５１
【国際公開番号】ＷＯ２０１０／０３９４４１
【国際公開日】平成２２年４月８日（２０１０．４．８）
【出願人】（５１０１８５７６７）ドルビー・インターナショナル・アーベー (6)
【Ｆターム（参考）】
【公表日】平成２４年２月１６日（２０１２．２．１６）
【国際特許分類】
【出願日】平成２１年９月１７日（２００９．９．１７）
【国際出願番号】ＰＣＴ／ＵＳ２００９／０５７２５１
【国際公開番号】ＷＯ２０１０／０３９４４１
【国際公開日】平成２２年４月８日（２０１０．４．８）
【出願人】（５１０１８５７６７）ドルビー・インターナショナル・アーベー (6)
【Ｆターム（参考）】
[ Back to top ]