特表 2024-543747 適応予測エンコーディング

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-11-25

(54)【発明の名称】適応予測エンコーディング

(51)【国際特許分類】

   G10L 19/18 20130101AFI20241118BHJP

【ＦＩ】

G10L19/18

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2024535616

(86)(22)【出願日】2021-12-15

(85)【翻訳文提出日】2024-08-01

(86)【国際出願番号】 EP2021085932

(87)【国際公開番号】W WO2023110082

(87)【国際公開日】2023-06-22

(81)【指定国・地域】

(71)【出願人】

【識別番号】598036300

【氏名又は名称】テレフオンアクチーボラゲット エルエム エリクソン（パブル）

(74)【代理人】

【識別番号】100109726

【弁理士】

【氏名又は名称】園田 吉隆

(74)【代理人】

【識別番号】100150670

【弁理士】

【氏名又は名称】小梶 晴美

(74)【代理人】

【識別番号】100199705

【弁理士】

【氏名又は名称】仙波 和之

(74)【代理人】

【識別番号】100194294

【弁理士】

【氏名又は名称】石岡 利康

(72)【発明者】

【氏名】ノーベル， エリク

(72)【発明者】

【氏名】ヤンソン， フレドリック

(57)【要約】

現在のフレームに対するコーディングモードを選択する、エンコーダ（３００）で実施される方法は、絶対コーディングおよび予測コーディングに対するビットレートを取得すること（７２５）を含む。方法は、取得したビットレートに基づいてビットレート差を計算すること（７３０）を含む。方法は、ビットレート差をローパスフィルタ処理すること（７３５）を含む。方法は、ビットレート差、ローパスフィルタ処理されたビットレート差、および予測モードカウンタに基づいて、コーディングモードを選択すること（７４０）を含む。
【選択図】図７

【特許請求の範囲】

【請求項1】

現在のフレームに対するコーディングモードを選択するための、エンコーダ（３００）で実行される方法であって、
絶対コーディングおよび予測コーディングに対するビットレートを取得すること（７２５）と、
取得した前記ビットレートに基づいてビットレート差を計算すること（７３０）と、
前記ビットレート差をローパスフィルタ処理すること（７３５）と、
前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および予測モードカウンタに基づいて、コーディングモードを選択すること（７４０）と
を含む、方法。

【請求項2】

予測コーディングモードを選択することに応答して、
前記コーディングモードを前記予測コーディングモードに設定すること（７５０）と、
前記予測モードカウンタを増分すること（７５５）と
をさらに含む、請求項１に記載の方法。

【請求項3】

絶対コーディングモードを選択することに応答して、
前記コーディングモードを前記絶対コーディングモードに設定すること（７１５）と、
前記予測モードカウンタを初期値にリセットすること（７２０）と
をさらに含む、請求項１または２に記載の方法。

【請求項4】

予測コーディングが許可されるか否かを判定することが、予測コーディングが許可されることをフラグが示すかを判定することを含む、請求項１から３のいずれか一項に記載の方法。

【請求項5】

予測コーディングが許可されることを前記フラグが示すかを判定することが、
予測カウントが予測フレームの最大数未満かを判定すること（１０００）と、
前記予測カウントが予測フレームの前記最大数未満であるという判定に応答して、予測コーディングが許可されることを示すようにフラグを設定すること（１０１０）と、
前記予測カウントが予測フレームの前記最大数超過であるという判定に応答して、予測コーディングが許可されないことを示すように前記フラグを設定すること（１０２０）と
を含む、請求項４に記載の方法。

【請求項6】

予測コーディングが許可されるか否かを判定すること（９１０）と、
予測コーディングが許可されないという判定に応答して、
コーディングモードを絶対コーディングモードに設定すること（７１５）と、
前記予測モードカウンタを初期値にリセットすること（７２０）と
をさらに含む、請求項１から４のいずれか一項に記載の方法。

【請求項7】

前記ビットレート差を計算することが、次式にしたがって前記ビットレート差を計算することを含み、
ｂｉｔｄｉｆｆ（ｍ）＝ｎｂｉｔｓ_ａｂｓ（ｍ）－ｎｂｉｔｓ_ｐｒｅｄ（ｍ）
式中、ｎｂｉｔｓ_ａｂｓ（ｍ）が絶対コーディングに対するビットレートであり、ｎｂｉｔｓ_ｐｒｅｄ（ｍ）が予測コーディングに対するビットレートである、
請求項１から６のいずれか一項に記載の方法。

【請求項8】

前記ビットレート差をローパスフィルタ処理することが、次式にしたがって前記ビットレート差をローパスフィルタ処理することを含み、
ｂｉｔｄｉｆｆ_ＬＰ（ｍ）＝γｂｉｔｄｉｆｆ（ｍ）＋（１－γ）ｂｉｔｄｉｆｆ_ＬＰ（ｍ－１）
式中、γがローパスフィルタ係数である、
請求項１から７のいずれか一項に記載の方法。

【請求項9】

前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および前記予測モードカウンタに基づいて、前記コーディングモードを選択することが、次式にしたがって前記コーディングモードを選択することを含み、

式中、

ｂｉｔｄｉｆｆ（ｍ）＝ｎｂｉｔｓ_ａｂｓ（ｍ）－ｎｂｉｔｓ_ｐｒｅｄ（ｍ）、および
ｂｉｔｄｉｆｆ_ＬＰ（ｍ）＝γｂｉｔｄｉｆｆ（ｍ）＋（１－γ）ｂｉｔｄｉｆｆ_ＬＰ（ｍ－１）であり、
式中、ｇ_ｍｏｄｅ（ｍ）が前記コーディングモード、ｐｒｅｄｃｏｕｎｔ（ｍ－１）が最後のＡＢＳＯＬＵＴＥコーディングされたフレーム以降のフレームの数、Ｃが同調定数、ｂｉｔｄｉｆｆ（ｍ）がビットレート差、ｎｂｉｔｓ_ｐｒｅｄ（ｍ）が予測コーディングに使用されると推定されるビットの数、ｎｂｉｔｓ_ａｂｓ（ｍ）が絶対コーディングに使用されると推定されるビットの数、ｂｉｔｄｉｆｆ_ＬＰ（ｍ）がローパスフィルタ処理されたビットレート差、γがローパスフィルタ係数、およびＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫが許可される予測連続フレームの最大数である、
請求項１から８のいずれか一項に記載の方法。

【請求項10】

であり、式中、ＳＩＤフレームが無音挿入記述子フレームである、
請求項９に記載の方法。

【請求項11】

γ∈［０．０１，０．２０］、および
Ｃ∈［０，１］である、
請求項９に記載の方法。

【請求項12】

ｇ_ｍｏｄｅ（ｍ）がさらに、次式によるｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）に基づき、

式中、

である、請求項９から１１のいずれか一項に記載の方法。

【請求項13】

前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および前記予測モードカウンタに基づいて、前記コーディングモードを選択することが、次式にしたがって前記コーディングモードを選択することを含み、

式中、ｇ_ｍｏｄｅ（ｍ）が前記コーディングモード、ｐｒｅｄｃｏｕｎｔ（ｍ）が最後のＡＢＳＯＬＵＴＥコーディングされたフレーム以降のフレームの数、ｎｂｉｔｓ_ｐｒｅｄ（ｍ）が予測コーディングに使用されると推定されるビットの数、ｎｂｉｔｓ_ａｂｓ（ｍ）が絶対コーディングに使用されると推定されるビットの数、Ａが定数、およびＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫが許可される予測連続フレームの最大数である、
請求項１から８のいずれか一項に記載の方法。

【請求項14】

Ａ∈［０，２］である、請求項１３に記載の方法。

【請求項15】

前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および前記予測モードカウンタに基づいて、前記コーディングモードを選択することが、次式にしたがって前記コーディングモードを選択することを含み、

式中、ｇ_ｍｏｄｅ（ｍ）が前記コーディングモード、ｎｂｉｔｓ_ｐｒｅｄ（ｍ）が予測コーディングに使用されると推定されるビットの数、ｎｂｉｔｓ_ａｂｓ（ｍ）が絶対コーディングに使用されると推定されるビットの数、Ｇが定数、α_ａｃｃ（ｍ）が重み付け係数、ε_ｒｅｌ（ｍ）が相対エラー、およびε_ＴＨＲが前記相対エラーの閾値である、
請求項１から８のいずれか一項に記載の方法。

【請求項16】

絶対コーディングおよび予測コーディングに対するビットレートを取得することと、
取得した前記ビットレートに基づいてビットレート差を計算することと、
前記ビットレート差をローパスフィルタ処理することと、
前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および予測モードカウンタに基づいて、コーディングモードを選択することと
を含む動作を実施するように適合された、現在のフレームに対するコーディングモードを選択する、エンコーダ（３００）。

【請求項17】

前記エンコーダ（３００）が、
予測コーディングモードを選択することに応答して、
前記コーディングモードを前記予測コーディングモードに設定することと、
前記予測モードカウンタを増分することと
を含むさらなる動作を実施するように適合された、請求項１６に記載のエンコーダ（３００）。

【請求項18】

絶対コーディングモードを選択することに応答して、
前記コーディングモードを前記絶対コーディングモードに設定することと、
前記予測モードカウンタを初期値にリセットすることと
をさらに含む、請求項１６または１７に記載のエンコーダ（３００）。

【請求項19】

予測コーディングが許可されるか否かを判定することが、予測コーディングが許可されることをフラグが示すかを判定することを含む、請求項１６から１８のいずれか一項に記載のエンコーダ（３００）。

【請求項20】

予測コーディングが許可されることを前記フラグが示すかを判定することが、
予測カウントが予測フレームの最大数未満かを判定することと、
前記予測カウントが予測フレームの前記最大数未満であるという判定に応答して、予測コーディングが許可されることを示すようにフラグを設定することと、
前記予測カウントが予測フレームの前記最大数超過であるという判定に応答して、予測コーディングが許可されないことを示すように前記フラグを設定することと
を含む、請求項１９に記載のエンコーダ（３００）。

【請求項21】

予測コーディングが許可されるか否かを判定することと、
予測コーディングが許可されないという判定に応答して、
コーディングモードを絶対コーディングモードに設定することと、
前記予測モードカウンタを初期値にリセットすることと
をさらに含む、請求項１６から１９のいずれか一項に記載のエンコーダ（３００）。

【請求項22】

前記ビットレート差を計算することが、次式にしたがって前記ビットレート差を計算することを含み、
ｂｉｔｄｉｆｆ（ｍ）＝ｎｂｉｔｓ_ａｂｓ（ｍ）－ｎｂｉｔｓ_ｐｒｅｄ（ｍ）
式中、ｎｂｉｔｓ_ａｂｓ（ｍ）が絶対コーディングに対するビットレートであり、ｎｂｉｔｓ_ｐｒｅｄ（ｍ）が予測コーディングに対するビットレートである、
請求項１６から２１のいずれか一項に記載のエンコーダ（３００）。

【請求項23】

前記ビットレート差をローパスフィルタ処理することが、次式にしたがって前記ビットレート差をローパスフィルタ処理することを含み、
ｂｉｔｄｉｆｆ_ＬＰ（ｍ）＝γｂｉｔｄｉｆｆ（ｍ）＋（１－γ）ｂｉｔｄｉｆｆ_ＬＰ（ｍ－１）
式中、γがローパスフィルタ係数である、
請求項１６から２２のいずれか一項に記載のエンコーダ（３００）。

【請求項24】

前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および前記予測モードカウンタに基づいて、前記コーディングモードを選択することが、次式にしたがって前記コーディングモードを選択することを含み、

式中、

ｂｉｔｄｉｆｆ（ｍ）＝ｎｂｉｔｓ_ａｂｓ（ｍ）－ｎｂｉｔｓ_ｐｒｅｄ（ｍ）、および
ｂｉｔｄｉｆｆ_ＬＰ（ｍ）＝γｂｉｔｄｉｆｆ（ｍ）＋（１－γ）ｂｉｔｄｉｆｆ_ＬＰ（ｍ－１）であり、
式中、ｇ_ｍｏｄｅ（ｍ）が前記コーディングモード、ｐｒｅｄｃｏｕｎｔ（ｍ－１）が最後のＡＢＳＯＬＵＴＥコーディングされたフレーム以降のフレームの数、Ｃが同調定数、ｂｉｔｄｉｆｆ（ｍ）がビットレート差、ｎｂｉｔｓ_ｐｒｅｄ（ｍ）が予測コーディングに使用されると推定されるビットの数、ｎｂｉｔｓ_ａｂｓ（ｍ）が絶対コーディングに使用されると推定されるビットの数、ｂｉｔｄｉｆｆ_ＬＰ（ｍ）がローパスフィルタ処理されたビットレート差、γがローパスフィルタ係数、およびＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫが許可される予測連続フレームの最大数である、
請求項１６から２３のいずれか一項に記載のエンコーダ（３００）。

【請求項25】

であり、式中、ＳＩＤフレームが無音挿入記述子フレームである、
請求項２４に記載のエンコーダ（３００）。

【請求項26】

γ∈［０．０１，０．２０］、および
Ｃ∈［０，１］である、
請求項２４または２５に記載のエンコーダ（３００）。

【請求項27】

ｇ_ｍｏｄｅ（ｍ）がさらに、次式によるｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）に基づき、

式中、

である、請求項２４から２６のいずれか一項に記載のエンコーダ（３００）。

【請求項28】

前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および前記予測モードカウンタに基づいて、前記コーディングモードを選択することが、次式にしたがって前記コーディングモードを選択することを含み、

式中、ｇ_ｍｏｄｅ（ｍ）が前記コーディングモード、ｐｒｅｄｃｏｕｎｔ（ｍ）が最後のＡＢＳＯＬＵＴＥコーディングされたフレーム以降のフレームの数、ｎｂｉｔｓ_ｐｒｅｄ（ｍ）が予測コーディングに使用されると推定されるビットの数、ｎｂｉｔｓ_ａｂｓ（ｍ）が絶対コーディングに使用されると推定されるビットの数、Ａが定数、およびＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫが許可される予測連続フレームの最大数である、
請求項１６から２３のいずれか一項に記載のエンコーダ（３００）。

【請求項29】

Ａ∈［０，２］である、請求項２８に記載のエンコーダ（３００）。

【請求項30】

前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および前記予測モードカウンタに基づいて、前記コーディングモードを選択することが、次式にしたがって前記コーディングモードを選択することを含み、

式中、ｇ_ｍｏｄｅ（ｍ）が前記コーディングモード、ｎｂｉｔｓ_ｐｒｅｄ（ｍ）が予測コーディングに使用されると推定されるビットの数、ｎｂｉｔｓ_ａｂｓ（ｍ）が絶対コーディングに使用されると推定されるビットの数、Ｇが定数、α_ａｃｃ（ｍ）が重み付け係数、ε_ｒｅｌ（ｍ）が相対エラー、およびε_ＴＨＲが前記相対エラーの閾値である、
請求項１６から２３のいずれか一項に記載のエンコーダ（３００）。

【請求項31】

処理回路（４０１）と、
前記処理回路と結合されたメモリ（４０３）であって、前記処理回路によって実行されると、エンコーダ（３００）に動作を実施される命令を含む、メモリ（４０３）とを備え、前記動作が、
絶対コーディングおよび予測コーディングに対するビットレートを取得することと、
取得した前記ビットレートに基づいてビットレート差を計算することと、
前記ビットレート差をローパスフィルタ処理することと、
前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および予測モードカウンタに基づいて、コーディングモードを選択することと
を含む、エンコーダ（３００）。

【請求項32】

前記メモリが、前記処理回路によって実行されると、前記エンコーダ（３００）に、請求項２から１５のいずれか一項に記載の動作を実施させる命令をさらに含む、請求項３１に記載のエンコーダ（３００）。

【請求項33】

エンコーダ（３００）の処理回路（４０１）によって実行されるプログラムコードを含み、それにより、前記プログラムコードの実行によって前記エンコーダ（３００）に動作を実施させる、コンピュータプログラムであって、前記動作が、
絶対コーディングおよび予測コーディングに対するビットレートを取得すること（７２５）と、
取得した前記ビットレートに基づいてビットレート差を計算すること（７３０）と、
前記ビットレート差をローパスフィルタ処理すること（７３５）と、
前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および予測モードカウンタに基づいて、コーディングモードを選択すること（７４０）と
を含む、コンピュータプログラム。

【請求項34】

エンコーダ（３００）の処理回路（４０１）によって実行されるさらなるプログラムコードを含み、それにより、前記プログラムコードの実行によって前記エンコーダ（３００）に、請求項２から１５のいずれか一項に記載の動作を実施させる、請求項３３に記載のコンピュータプログラム。

【請求項35】

エンコーダ（３００）の処理回路（４０１）によって実行されるプログラムコードを含む非一時的記憶媒体を備え、それにより、前記プログラムコードの実行によって前記エンコーダに動作を実施させる、コンピュータプログラム製品であって、前記動作が、
絶対コーディングおよび予測コーディングに対するビットレートを取得すること（７２５）と、
取得した前記ビットレートに基づいてビットレート差を計算すること（７３０）と、
前記ビットレート差をローパスフィルタ処理すること（７３５）と、
前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および予測モードカウンタに基づいて、コーディングモードを選択すること（７４０）と
を含む、コンピュータプログラム製品。

【請求項36】

前記非一時的記憶媒体が、前記エンコーダ（３００）の処理回路（４０１）によって実行されるさらなるプログラムコードに含み、それにより、前記さらなるプログラムコードの実行によって前記エンコーダ（３００）に、請求項２から１５のいずれか一項に記載の動作を実施させる、請求項３５に記載のコンピュータプログラム製品。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、全体として、通信に関し、より詳細には、無線通信をサポートする、通信方法ならびに関連するデバイスおよびノードに関する。

【背景技術】

【0002】

通信ネットワークにおいて、所与の通信プロトコル、そのパラメータ、および通信ネットワークが展開される物理的環境に対して、良好な性能および容量を得るのが困難なことがある。

【0003】

たとえば、通信ネットワークにおける容量が継続的に増加していても、ユーザごとに必要なリソース使用量を制限することは依然として関心事である。モバイル通信ネットワークでは、セルごとに必要なリソース使用量が少ないということは、モバイル通信ネットワークがより多数のユーザに並行してサービスできることを意味する。リソース使用量を低下させることで、ユーザ側のデバイス（端末デバイスなど）およびネットワーク側のデバイス（ネットワークノードなど）の両方で消費電力の低下がもたらされる。このことは、ネットワークオペレータにとってエネルギーおよびコスト削減を意味し、一方でバッテリ寿命を延長し、端末デバイスにおいて体感されるトーク時間を増加することができる。

【0004】

モバイル通信ネットワークにおいて発話通信アプリケーションに必要なリソース使用量を低減する１つのメカニズムは、発話での自然な間を活用するというものである。より詳細には、ほとんどの会話では、一度にアクティブなのは当事者の一方のみであり、したがって、１つの通信方向での発話の間が、一般的に信号の半分超を占めることになる。必要なリソース使用量を減少させるためにこの性質を利用する１つの手法は、発話の間ではアクティブ信号エンコーディングが中断される、間欠送信（ＤＴＸ）システムを採用するというものである。

【0005】

発話の間においては、バックグラウンドノイズの非常に低ビットレートのエンコーディングを受信端のコンフォートノイズ発生装置（ＣＮＧ）システムに送信して、元のノイズと同様の特性を有するバックグラウンドノイズで間を埋めるのが一般的である。ＣＮＧは、バックグラウンドノイズが維持され、発話とともにオンオフが切り替わらないので、発話の間に沈黙を有することと比較して音声をより自然にする。発話の間における完全な沈黙は、不快なものとして一般に知覚され、通話が切れているという誤解につながる場合が多い。

【0006】

ＤＴＸシステムはさらに、アクティブ信号エンコーディングまたは低レートバックグラウンドノイズエンコーディングのどちらを使用するかを送信デバイスに指示する、音声区間検出器（ＶＡＤ）に依存することがある。これに関して、送信デバイスは、発話をバックグラウンドノイズから判別するだけではなく、関連があるとみなされる音楽または他の信号タイプを検出するように構成されてもよい、（汎用）音声区間検出器（ＧＳＡＤまたはＳＡＤ）を使用することによって、他のソースタイプ同士を判別するように構成されてもよい。

【0007】

通信サービスはさらに、ステレオまたはマルチチャネルオーディオ送信をサポートすることによって拡張されてもよい。これらの場合、ＤＴＸ／ＣＮＧシステムはまた、心地良く聞こえるコンフォートノイズを提供するために、信号の空間特性を考慮してもよい。

【0008】

コンフォートノイズを生成する一般的なメカニズムは、発話の間におけるバックグラウンドノイズのエネルギーおよびスペクトル形状に関する情報を送信するというものである。これは、発話セグメントの通常のコーディングよりも非常に少ないビット数を使用して行うことができる。

【0009】

受信デバイス側では、コンフォートノイズは、疑似ランダム信号を作成し、次に、送信デバイスから受信した情報に基づいて、フィルタを用いて信号のスペクトルを整形することによって生成される。信号生成およびスペクトル整形は、時間または周波数ドメインで実施することができる。

【0010】

ステレオ動作の場合、追加のパラメータが受信側に送信される。一般的なステレオ信号では、チャネルペアは高度な類似性、即ち相関を示す。現行の最新ステレオコーディングスキームは、単チャネルが高品質で符号化され、フルステレオ画像の再構築を可能にするパラメトリック記述によって補完される、パラメトリックコーディングを用いることによって、この相関を活用する。チャネルペアを単チャネルに縮小するプロセスは、ダウンミックスと呼ばれる場合が多く、結果として得られるチャネルはダウンミックスチャネルである。ダウンミックス手順は、一般的に、チャネルを混合する前にチャネル間時間差（ＩＴＤ）およびチャネル間位相差（ＩＰＤ）を整列させることによって、エネルギーを維持しようとする。入力信号のエネルギーバランスを維持するため、チャネル間レベル差（ＩＬＤ）も測定される。ＩＴＤ、ＩＰＤ、およびＩＬＤは次に符号化され、ステレオチャネルペアをデコーダで再構築する逆のアップミックス手順に使用されてもよい。

【0011】

ほとんどのオーディオコーディングシステムは、入力オーディオ信号を、フレームと呼ばれる場合が多いセグメントで処理する。安定したオーディオシーンの場合、ステレオパラメータは隣接フレーム間の高度な類似性を示す。この類似性を活用するため、一般的に予測コーディングスキームが適用される。かかるスキームでは、現在のフレームパラメータの予測は、過去に復号したパラメータに基づいて導き出され、真のパラメータに対する差が符号化され、送出側と受信側との間で送信される。単純であるが効率的な予測は、最後に復号したパラメータを予測として使用するものであり、その場合、予測コーディングスキームは差動エンコーディングスキームと呼ばれる場合もある。

【発明の概要】

【0012】

予測コーディングスキームに関する課題は、概して、エラーの影響を受けやすいことである。予測シーケンスの１つまたは複数のエレメントが失われた場合、デコーダは、エラーが起こった後に長時間続くことがある予測エラーを有するようになる。この問題はエラー伝播と呼ばれ、すべての予測コーディングスキームにおいて知られている課題である。１つの解決策は、非予測コーディングを定期的間隔で強制的に行い、それによってエラー伝播を終了させることである。しかしながら、これには、非予測エンコーディングがパラメータのエンコーディング効率を下げることにつながり、それによってエンコーダの合計ビットレートが増加すること、および／または他のパラメータのエンコーディングに使えるビット数が少なくなることがあるという欠点がある。

【0013】

本開示の特定の態様およびそれらの実施形態は、これらまたは他の課題に対する解決策を提供してもよい。特定のパラメータに関して非予測コーディングを定期的間隔で強制的に行う代わりに、現在のフレームに対してコーディングモードを選択するためにエンコーダで実施される方法は、絶対コーディングおよび予測コーディングのためのビットレートを取得することを含む。方法は、取得したビットレートに基づいてビットレート差を計算することを含む。方法は、ビットレート差をローパスフィルタ処理することを含む。方法は、ビットレート差、ローパスフィルタ処理されたビットレート差、および予測モードカウンタに基づいて、コーディングモードを選択することを含む。

【0014】

様々な実施形態は、第１のパラメータに対して強制的に行われた非予測コーディングが、第２のパラメータのエンコーディングが必要とするビットがより少ない可能性が高いときのみ呼び出されるようにし、それによって、合計消費ビットが固定レベルを下回る尤度が増加するように、別のパラメータの以前のエンコーディングの特性を考慮する。

【0015】

エンコーダは、絶対コーディングおよび予測コーディングのためのビットレートを取得することを含む動作を実施するように適合される。動作は、取得したビットレートに基づいてビットレート差を計算することを含む。動作は、ビットレート差をローパスフィルタ処理することを含む。動作は、ビットレート差、ローパスフィルタ処理されたビットレート差、および予測モードカウンタに基づいて、コーディングモードを選択することを含む。

【0016】

処理回路（４０１）および処理回路と結合されたメモリ（４０３）を有し、メモリが、処理回路によって実行されると、エンコーダ（３００）に絶対コーディングおよび予測コーディングのためのビットレートを取得することを含む動作を実施させる命令を含む、エンコーダ（３００）。動作は、取得したビットレートに基づいてビットレート差を計算することを含む。動作は、ビットレート差をローパスフィルタ処理することを含む。動作は、ビットレート差、ローパスフィルタ処理されたビットレート差、および予測モードカウンタに基づいて、コーディングモードを選択することを含む。

【0017】

エンコーダ（３００）の処理回路（４０１）によって実行されるプログラムコードを有し、それにより、プログラムコードの実行によってエンコーダ（３００）に、絶対コーディングおよび予測コーディングのためのビットレートを取得することを含む動作を実施させる、コンピュータプログラムが提供される。動作は、取得したビットレートに基づいてビットレート差を計算することを含む。動作は、ビットレート差をローパスフィルタ処理することを含む。動作は、ビットレート差、ローパスフィルタ処理されたビットレート差、および予測モードカウンタに基づいて、コーディングモードを選択することを含む。

【0018】

エンコーダの処理回路（４０１）によって実行されるプログラムコードを含み、それにより、プログラムコードの実行によってエンコーダに、絶対コーディングおよび予測コーディングのためのビットレートを取得することを含む動作を実施させる、非一時的記憶媒体を備えるコンピュータプログラム製品が提供される。動作は、取得したビットレートに基づいてビットレート差を計算することを含む。動作は、ビットレート差をローパスフィルタ処理することを含む。動作は、ビットレート差、ローパスフィルタ処理されたビットレート差、および予測モードカウンタに基づいて、コーディングモードを選択することを含む。

【0019】

特定の実施形態は、以下の技術的利点の１つまたは複数を提供してもよい。様々な実施形態は、１つのパラメータの予測コーディングを用いてエラー伝播の問題を低減させるとともに、他のパラメータのエンコーディングに対する悪影響を最小限に抑えることができる。

【0020】

本開示のさらなる理解を提供するために含まれ、本出願に組み込まれ、本出願の一部を構成する、添付の図面は、発明的概念のいくつかの非限定的な実施形態を示す。

【図面の簡単な説明】

【0021】

【図1】エラー伝播を示す図である。

【図2】本開示のいくつかの実施形態によるステレオエンコーダおよびデコーダの構成要素を示すブロック図である。

【図3】本開示のいくつかの実施形態による、一連のコーディングモードを実施することができるエンコーダおよびデコーダシステムの環境の一例を示すブロック図である。

【図4】本開示のいくつかの実施形態によるステレオエンコーダの構成要素を示すブロック図である。

【図5】本開示のいくつかの実施形態によるステレオデコーダの構成要素を示すブロック図である。

【図6】本開示のいくつかの実施形態による仮想化環境のブロック図である。

【図7】本開示のいくつかの実施形態によるエンコーダの動作を示すフローチャートである。

【図8】本開示のいくつかの実施形態による、図８に示される動作を実施する図４のエンコーダのさらなる構成要素を示すブロック図である。

【図9】本開示のいくつかの実施形態によるエンコーダの動作を示すフローチャートである。

【図10】本開示のいくつかの実施形態によるエンコーダの動作を示すフローチャートである。

【図11】本開示のいくつかの実施形態による意思決定閾値を示す図である。

【発明を実施するための形態】

【0022】

以下、本明細書で想到される実施形態のいくつかについて、添付図面を参照してさらに記載する。実施形態は、主題の範囲を当業者に伝えるための例として提供され、発明的概念の実施形態の例が示される。しかしながら、発明的概念は、多くの異なる形態で具現され得、本明細書に記載される実施形態に限定されるものとして解釈されるべきではない。むしろ、これらの実施形態は、本開示が十分かつ完全なものとなり、当業者に様々な本発明概念の範囲を十分に伝えるように提供されている。これらの実施形態は相互排他的でないことにも留意されたい。一実施形態からの構成要素は、別の実施形態において存在する／使用されることが暗に仮定されてもよい。

【0023】

上述したように、予測コーディングスキームに関する１つの課題はエラー伝播である。エラー伝播の例を図１に示している。絶対コーディングフレームは、予測コーディングストリークと呼ばれることがある、一連の連続する予測コーディングフレームの前に失われる。バッドフレームインジケータは、フレームが失われた（または破損した）場合に信号を送る。メモリはフレーム損失によって破損しているので、エラーは、予測コーディングストリーク（「Ｐ」によって表される）全体の間中続き、新しい絶対コーディングフレーム（「Ａ」によって表される）が受信されるまで終わらない。同期信号に対する影響で、ソース位置が不適当に知覚されることがあり、これは予測コーディングストリーク全体にわたって続く。

【0024】

特定のパラメータに対して定期的間隔で非予測コーディングを強制的に行うことよりもむしろ、本明細書に記載する様々な実施形態は、定期的間隔で非予測コーディングを強制的に行うことの推定消費ビットを考慮し、非予測（即ち、絶対）コーディングおよび予測コーディングのためのビットレートを取得し、取得したビットレートに基づいてビットレート差を計算し、ビットレート差をローパスフィルタ処理し、ビットレート差、ローパスフィルタ処理したビットレート差、および予測モードカウンタに基づいてコーディングモードを選択することによって、ビットレート消費をより少なくする機会を獲得することを試みる。

【0025】

様々な実施形態のいくつかによれば、第１のパラメータに対して強制的に行われた非予測コーディングが、第２のパラメータのエンコーディングが必要とするビットがより少ない可能性が高いときのみ呼び出されるようにし、それによって、合計ビット消費が固定レベルを下回る尤度が増加するように、別のパラメータの以前のエンコーディングの特性を考慮する。

【0026】

様々な実施形態のいくつかによれば、エンコーディングおよび復号は、第１のパラメータを符号化し復号することを含み、第１のパラメータはインターフレームおよびイントラフレーム予測に基づいて符号化され、これらの予測は重み付け係数αを使用して組み合わされる。

【0027】

様々な実施形態は、１つのパラメータの予測コーディングを用いてエラー伝播の問題を低減させるとともに、他のパラメータのエンコーディングに対する悪影響を最小限に抑える。

【0028】

以下の記載において、様々な実施形態は、図２に概要が示されるような、ステレオエンコーダおよびデコーダシステムのステレオエンコーダで動作する。ステレオエンコーダ２１０は、フレームと呼ばれるセグメントにおいて、入力された左右チャネルを処理する。ステレオ解析およびダウンミックスブロック２１２は、パラメトリック解析を実施し、ダウンミックスを作成する。所与のフレームｍに対して、入力チャネルは次式のように記述することができる。

式中、ｎ＝０、１、２、…、Ｎ－１はフレームｍにおけるサンプル数を示し、Ｎは解析フレームの長さである。様々な実施形態では、解析フレームは、デコーダが重畳加算戦略を使用してステレオ信号を再構築できるように、エンコーダにおける重畳によって抽出される。入力チャネルは、適切な窓関数ｗ（ｎ）を用いて窓処理され、離散フーリエ変換（ＤＦＴ）ドメインに変換され、次式のように記述することができる。

【0029】

ここで、直交ミラーフィルタ（ＱＭＦ）フィルタバンク、ハイブリッドＱＭＦフィルタバンク、または修正離散コサイン変換（ＭＤＣＴ）および修正離散サイン変換（ＭＤＳＴ）変換成分で構成される奇数ＤＦＴ（ＯＤＦＴ）表現など、他の周波数ドメイン表現が使用されてもよいことに留意されたい。

【0030】

パラメトリック解析の場合、周波数スペクトルはバンドｂに区分され、各バンドは次式の周波数係数範囲に対応する。
ｋ＝ｋ_{ｓｔａｒｔ（ｂ）}…ｋ_{ｅｎｄ（ｂ）}，ｂ＝０，１，２，…Ｎ_{ｂａｎｄｓ}－１
式中、Ｎ_{ｂａｎｄｓ}はバンドの合計数を示す。バンド限界は、一般的に、人間の聴覚の解像度を反映するように設定され、狭いバンドは低周波数、広いバンドは高周波数であることを提示する。異なるバンド解像度が異なるパラメータに使用されてもよいことに留意されたい。

【0031】

次に、信号がパラメトリック解析ブロック内で解析されて、ＩＴＤ、ＩＰＤ、およびＩＬＤパラメータが抽出される。ＩＬＤは音声の知覚位置に対して著しい影響を有することが注目されてもよい。したがって、ＩＬＤパラメータを高い精度で再構築して、安定した適正な位置を維持することが重要である。

【0032】

加えて、チャネルコヒーレンスが解析されてもよく、ＩＣＣパラメータが導き出されてもよい。フレームｍに対するステレオパラメータのセットはＰ（ｍ）で示されてもよく、パラメトリック表現に使用されるＩＴＤ、ＩＰＤ、ＩＬＤ、およびＩＣＣパラメータの完全なセットを含む。パラメータは、パラメータエンコーダ２１８によって符号化され、格納されデコーダに送信されるビットストリームに追加される。

【0033】

ダウンミックスチャネルを作成する前に、ＩＴＤおよびＩＰＤを補償して、相殺を低減し、ダウンミックスのエネルギーを最大限にするのが有益なことがある。ＩＴＤ補償は、周波数変換前の時間ドメイン、または周波数ドメインの両方で実現されてもよいが、原則的に、一方または両方のチャネルの時間シフトを実施してＩＴＤを排除する。位相整列は異なる手法で実現されてもよいが、目的は、相殺が最小限に抑えられるように位相を整列させることである。これにより、ダウンミックスにおける最大エネルギーが担保される。ＩＴＤおよびＩＰＤ調節は、周波数バンドで、または全周波数スペクトルで行われてもよく、好ましくは、修正をデコーダ段で反転できるということを担保するため、量子化ＩＴＤおよびＩＰＤパラメータを使用して行われるべきである。

【0034】

後述する実施形態は、ＩＰＤおよびＩＴＤパラメータ解析ならびに補償の実現とは独立している。換言すれば、実施形態は、ＩＰＤおよびＩＴＰがどのように解析または保証されるかに依存しない。かかる実施形態では、ＩＴＤおよびＩＰＤ調節されたチャネルはアポストロフィ（’）で示されてもよい。

【0035】

ＩＴＤおよびＩＰＤ調節された入力チャネルは次に、パラメトリック解析およびダウンミックスブロック２１２によってダウンミックスされて、ダウンミックス／サイド表現とも呼ばれるミッド／サイド表現を作成してもよい。ダウンミックスを実施する１つの手法は、信号の合計および差を使用するというものである。

【0036】

ダウンミックス信号Ｘ_Ｍ（ｍ，ｋ）は、ダウンミックスエンコーダ２１４によって符号化されて、格納されるかまたはデコーダに送信される。このエンコーディングは、周波数ドメインで行われてもよいが、時間ドメインでも行われてもよい。その場合、ＤＦＴ合成段は、ダウンミックス信号の時間ドメインバージョンを作成する必要があり、それが次いで、ダウンミックスエンコーダに供給される。しかしながら、時間ドメインへの変換により、特別なハンドリングを要するであろうステレオパラメータとの遅延不整合が導入されることがある。これは、追加の遅延を導入することによって、またはパラメータを補間して、ダウンミックスおよびステレオパラメータのデコーダ合成が整列されるよう担保することによって、解決することができる。

【0037】

サイド信号Ｘ_Ｓ（ｍ，ｋ）の再構築は、ダウンミックス、およびローカルパラメトリック合成によって取得されたステレオパラメータから生成されてもよい。サイド信号予測

は、次式のダウンミックス信号に基づいて導き出すことができる。

式中、ｐ（・）は予測関数である。予測残差は次式にしたがって形成されてもよく、

次に残差エンコーダ２１６によって符号化される。ダウンミックス、ステレオパラメータ、および場合によっては残差信号の符号化された表現は、送信または格納されて、デコーダ２２０によって再構築される。ダウンミックスデコーダ２２４は復号されたダウンミックス信号を再構築し、再構築されたパラメータはパラメータデコーダ２２８によって取得され、場合によっては、再構築された残差信号は残差デコーダ２２６によって生成される。再構築されたダウンミックス信号、再構築されたパラメータ、および残差信号はステレオシンセサイザ２２２に入力されて、再構築されたステレオ信号が作成される。

【0038】

図３は、本明細書に記載されるように、マルチチャネルビットストリームを符号化し復号するのに使用されてもよい、エンコーダ３００およびデコーダ３０２の動作環境の一例を示している。エンコーダ３００は、ネットワーク３０４および／またはストレージ３０６および／またはオーディオレコーダ３０８からオーディオを受信し、後述するようにオーディオをビットストリームに符号化し、符号化されたオーディオを、ネットワーク３１０を介してデコーダ３０２に送信する。ストレージデバイス３０６は、ストアまたはストリーミングオーディオサービスのストレージリポジトリ、別個のストレージコンポーネント、モバイルデバイスのコンポーネントなど、マルチチャネルオーディオ信号のストレージデポジトリの一部であってもよい。デコーダ３０２は、メディアプレーヤー３１４を有するデバイス３１２の一部であってもよい。デバイス３１２は、モバイルデバイス、セットトップデバイス、デスクトップコンピュータなどであってもよい。他の実施形態では、デコーダ３００は、スタンドアロン型サーバ、クラウド実装型サーバ、分散型サーバのハードウェアおよび／またはソフトウェアにおいて、あるいはサーバファームの処理リソースとして具現化されてもよい。たとえば、デコーダは、クラウド実装型遠隔会議アプリケーションの一部であってもよい。デコーダ３００は、ネットワークのトランスポートレイヤを介して送信される、符号化されたビットストリームを受信する。動作中、デコーダ３００は、本明細書に記載するようなビットストリームのフレームを受信し処理する。

【0039】

図４は、本発明概念のいくつかの実施形態による、オーディオフレームを符号化するように構成されたエンコーダ３００のエレメントを示すブロック図である。図示されるように、エンコーダ３００は、他のデバイス／エンティティ／機能などとの通信を提供するように構成された、ネットワークインターフェース回路４０５（ネットワークインターフェースとも呼ばれる）を含んでもよい。エンコーダ３００はまた、ネットワークインターフェース回路４０５に結合されたプロセッサ回路４０１（プロセッサとも呼ばれる）、およびプロセッサ回路に結合されたメモリ回路４０３（メモリとも呼ばれる）を含んでもよい。メモリ回路４０３は、プロセッサ回路４０１によって実行されると、プロセッサ回路に、本明細書に開示される実施形態による動作を実行させる、コンピュータ可読プログラムコードを含んでもよい。

【0040】

他の実施形態によれば、プロセッサ回路４０１は、別個のメモリ回路が必要とされないように、メモリを含むように規定されてもよい。本明細書で考察するように、エンコーダ３００の動作は、プロセッサ４０１および／またはネットワークインターフェース４０５によって実施されてもよい。たとえば、プロセッサ４０１は、デコーダ３０２に通信を送信し、および／または他のエンコーダノード、デポジトリサーバなど、１つまたは複数の他のネットワークノード／エンティティ／サーバからネットワークインターフェース４０５を通して通信を受信するように、ネットワークインターフェース４０５を制御してもよい。さらに、モジュールはメモリ４０３に格納されてもよく、これらのモジュールは、モジュールの命令がプロセッサ４０１によって実行されると、プロセッサ４０１がそれぞれの動作を実施するように、命令を提供してもよい。

【0041】

図５は、本発明概念のいくつかの実施形態による、オーディオフレームを符号化するように構成されたデコーダ３０２のエレメントを示すブロック図である。図示されるように、デコーダ３０２は、他のデバイス／エンティティ／機能などとの通信を提供するように構成された、ネットワークインターフェース回路５０５（ネットワークインターフェースとも呼ばれる）を含んでもよい。デコーダ３０２はまた、ネットワークインターフェース回路５０５に結合されたプロセッサ回路５０１（プロセッサとも呼ばれる）、およびプロセッサ回路に結合されたメモリ回路５０３（メモリとも呼ばれる）を含んでもよい。メモリ回路５０３は、プロセッサ回路５０１によって実行されると、プロセッサ回路に、本明細書に開示される実施形態による動作を実行させる、コンピュータ可読プログラムコードを含んでもよい。

【0042】

他の実施形態によれば、プロセッサ回路５０１は、別個のメモリ回路が必要とされないように、メモリを含むように規定されてもよい。本明細書で考察するように、デコーダ３０２の動作は、プロセッサ５０１および／またはネットワークインターフェース５０５によって実施されてもよい。たとえば、プロセッサ５０１は、デコーダ３０２に通信を送信し、および／または他のエンコーダノード、デポジトリサーバなど、１つまたは複数の他のネットワークノード／エンティティ／サーバからネットワークインターフェース５０５を通して通信を受信するように、ネットワークインターフェース５０５を制御してもよい。さらに、モジュールはメモリ５０３に格納されてもよく、これらのモジュールは、モジュールの命令がプロセッサ５０１によって実行されると、プロセッサ５０１がそれぞれの動作を実施するように、命令を提供してもよい。

【0043】

図６は、いくつかの実施形態によって実装される機能が仮想化されてもよい、仮想化環境６００を示すブロック図である。本文脈では、仮想化とは、ハードウェアプラットフォーム、ストレージデバイス、およびネットワーキングリソースを仮想化することを含んでもよい、装置またはデバイスの仮想バージョンを作成することを意味する。本明細書で使用するとき、仮想化は、本明細書に記載する任意のデバイスまたはその構成要素に適用することができ、機能性の少なくとも一部分が１つまたは複数の仮想構成要素として実装される実装形態に関する。いくつかの実施形態では、本明細書に記載する機能の一部または全部は、ネットワークノード、ユーザ機器（ＵＥ）、コアネットワークノード、またはホストとして動作するハードウェアコンピューティングデバイスなど、ハードウェアノードのうち１つまたは複数によってホストされる、１つまたは複数の仮想環境６００において実装される１つまたは複数の仮想マシン（ＶＭ）によって実行される、仮想構成要素として実装されてもよい。さらに、仮想ノードが無線接続性を必要としない実施形態（たとえば、コアネットワークノードまたはホスト）では、ノードは完全に仮想化されてもよい。

【0044】

アプリケーション６０２（あるいは、ソフトウェアインスタンス、仮想アプライアンス、ネットワーク機能、仮想ノード、仮想ネットワーク機能などと呼ばれることがある）は、本明細書に開示される実施形態のうちのいくつかの特徴、機能、および／または利益のうちいくつかを実現する、仮想化環境６００で稼働する。

【0045】

ハードウェア６０４は、処理回路、ハードウェア処理回路で実行可能なソフトウェアおよび／または命令を格納するメモリ、ならびに／あるいはネットワークインターフェース、入出力インターフェースなど、本明細書に記載するような他のハードウェアデバイスを含む。ソフトウェアは、１つまたは複数の仮想化レイヤ６０６（ハイパーバイザまたは仮想マシンモニタ（ＶＭＭ）とも呼ばれる）をインスタンス化し、ＶＭ ６０８Ａおよび６０８Ｂ（そのうち１つまたは複数が、全体としてＶＭ ６０８と呼ばれてもよい）を提供し、ならびに／あるいは本明細書に記載するいくつかの実施形態に関連して記載される機能、特徴、および／または利益のいずれかを実施するように、処理回路によって実行されてもよい。仮想化レイヤ６０６は、ＶＭ ６０８に対してネットワーキングハードウェアのように見える仮想動作プラットフォームを提示してもよい。

【0046】

ＶＭ ６０８は、仮想処理、仮想メモリ、仮想ネットワーキングまたはインターフェース、および仮想ストレージを備え、対応する仮想化レイヤ６０６によって稼働されてもよい。仮想アプライアンス６０２の事例の異なる実施形態が、ＶＭ ６０８の１つまたは複数で実装されてもよく、実装は異なる手法で行われてもよい。ハードウェアの仮想化は、いくつかの文脈では、ネットワーク機能仮想化（ＮＦＶ）と呼ばれる。ＮＦＶは、多くのネットワーク機器タイプを、データセンタに配置することができる業界標準の大容量サーバハードウェア、物理スイッチ、および物理ストレージ、ならびに顧客構内機器上に集約するのに使用されてもよい。

【0047】

ＮＦＶの文脈では、ＶＭ ６０８は、物理的な仮想化されていないマシン上で実行しているかのようにしてプログラムを稼働する、物理マシンのソフトウェア実装形態であってもよい。各ＶＭ ６０８と、そのＶＭを実行するハードウェア６０４の部分とは、ＶＭ専用のハードウェアであろうと、および／またはその仮想マシンと他のＶＭとで共有されるハードウェアであろうと、別個の仮想ネットワークエレメントを形成する。さらに、ＮＦＶの文脈では、仮想ネットワーク機能は、ハードウェア６０４の上の１つまたは複数のＶＭ ６０８で稼働する特定のネットワーク機能をハンドリングすることを担い、アプリケーション６０２に対応する。

【0048】

ハードウェア６０４は、一般的なまたは特定の構成要素を有するスタンドアロンネットワークノードにおいて実現されてもよい。ハードウェア６０４は、仮想化を介していくつかの機能を実現してもよい。あるいは、ハードウェア６０４は、多くのハードウェアノードが協働し、特に、アプリケーション６０２のライフサイクル管理を監督する、管理およびオーケストレーション６１０を介して管理される、（たとえば、データセンタまたは顧客構内機器（ＣＰＥ）の場合のような）ハードウェアのより大きいクラスタの一部であってもよい。いくつかの実施形態では、ハードウェア６０４は、１つまたは複数のアンテナに結合されてもよい、１つまたは複数の送信機と１つまたは複数の受信機とをそれぞれ含む、１つまたは複数の無線ユニットに結合される。無線ユニットは、１つまたは複数の適切なネットワークインターフェースを介して他のハードウェアノードと直接通信してもよく、無線アクセスノードまたは基地局など、無線能力を有する仮想ノードを提供するのに、仮想構成要素と組み合わせて使用されてもよい。いくつかの実施形態では、一部のシグナリングは、別法としてハードウェアノードと無線ユニットとの間の通信のために使用されてもよい、制御システム６１２の使用を含むことができる。

【0049】

パラメータエンコーダ２１８に戻ると、サイド信号予測因子は、サイド信号と予測サイド信号との間の平均二乗誤差（ＭＳＥ）を最小限に抑える単一の予測因子ｇとして実現されてもよい。さらに、予測は好ましくは、周波数バンドに適用されてもよく、各周波数バンドｂに対する予測パラメータを伴う。

【0050】

バンドｂの係数が列ベクトルＸ_Ｓ，ｂ（ｍ）およびＸ_Ｍ，ｂ（ｍ）として記述される場合、最小ＭＳＥ予測因子は次式として導き出すことができる。

【0051】

しかしながら、この式は、より安定した予測パラメータを作成するように単純化されてもよい。予測パラメータｇ_ｂ（ｍ）は、レベル差を直接表さないが、左右のチャネルに転送されるダウンミックス信号の部分を制御してもよい。したがって、ＩＬＤパラメータに関しては、知覚された音声位置に対して著しい影響を有する。予測パラメータに対するさらなる背景については、ＰＣＴ出願第ＰＣＴ／ＥＰ２０１９／０５８６５０（公報番号ＷＯ２０１９／１９３１５６）を参照されたい。予測パラメータｇ_ｂ（ｍ）は次に、インターフレーム予測コーディングスキームを使用して符号化され、ここで、フレームｍの間の差が考慮される。各バンドｂに対して、前のフレームの再構築されたパラメータ

からの差が次式にしたがって計算される。

【0052】

エンコーダ３００は、どちらが最も低い消費ビットをもたらすかに応じて、ｇ_ｂ（ｍ）またはΔｇ_ｂ（ｍ）のどちらかを符号化することを選んでもよい。一実施形態では、ｇ_ｂ（ｍ）またはΔｇ_ｂ（ｍ）は、スカラ量子化器を使用して量子化され、次に量子化インデックスに対してエントロピー符号化器が使用されてもよい。算術符号、ハフマン符号、およびゴロム・ライス符号が、エントロピー符号化器として使用されてもよい例である。一般的なシナリオでは、エントロピー符号化器は、より小さい符号語を小さいばらつきに、即ちΔｇ_ｂ（ｍ）の小さい値に割り振る。これは、Δｇ_ｂ（ｍ）を使用する予測コーディングが、安定したオーディオシーンに対して少ない数のビットｎｂｉｔｓ_ｐｒｅｄ（ｍ）を必要とする可能性が高いことを意味する。大きいΔｇ_ｂ（ｍ）をもたらす高速シーン変更の場合、ｇ_ｂ（ｍ）のエンコーディングに対する消費ビットｎｂｉｔｓ_ａｂｓ（ｍ）はより少なくてもよい。符号化スキームは次のような２つのモードを有するであろう。
１）ＡＢＳＯＬＵＴＥ：ｇ_ｂ（ｍ）のエンコーディング、および
２）ＰＲＥＤＩＣＴＩＶＥ：Δｇ_ｂ（ｍ）のエンコーディング

【0053】

符号化モードｇ_ｍｏｄｅ（ｍ）∈｛ＡＢＳＯＬＵＴＥ，ＰＲＥＤＩＣＴＩＶＥ｝は、各フレームｍに対して符号化する必要があるので、デコーダ３０２は、符号化された値が次のどちらであるか分かっている。
１）ＡＢＳＯＬＵＴＥ：ｇ_ｂ（ｍ）、または

【0054】

さらに、この符号化スキームの変形が本開示の範囲内で可能である。たとえば、予測パラメータｇ_ｂ（ｍ）が、残差コーディングエネルギーまたは対応する表現など、別のパラメータとの高い相関を示す場合、これらのパラメータを一緒に符号化するのが有益なことがある。本質的な部分は、符号化スキームが予測モードおよび絶対コーディングモードを有すること、またこの決定が符号化され、デコーダに信号で送られることである。一連の連続するＰＲＥＤＩＣＴＩＶＥコーディングモードは、「予測コーディングストリーク」または「予測ストリーク」と呼ばれることがあり、通常、シーンが安定しているオーディオセグメントに関して観察されるであろう。予測ストリークの始まりにオーディオフレームが失われた場合、パラメータは、ストリーク全体の間、エラー伝播を伴うことがある（図１の例証を参照）。

【0055】

また、ＡＢＳＯＬＵＴＥおよびＰＲＥＤＩＣＴＩＶＥコーディングモードは各々、それぞれ絶対または予測コーディングモードである共通の性質を有するモードのサブセットを表すことが可能である。たとえば、絶対コーディングモードは、イントラフレーム予測、パラメータのエントロピーコーディングに依存するか、または単純に、固定幅のインデックスの可能なパラメータの列挙を表す場合がある。予測コーディングモードのサブセットについては、既に符号化され復号されているパラメータにすべて依存するであろう。

【0056】

ｇ_ｂ（ｍ）の復号におけるエラー伝播の影響を低減して、エンコーダとデコーダとの間でパケット損失を経験した場合の、再構築された対応部分

を形成するため、予測ストリークを最大時間長に有効に制限するＡＢＳＯＬＵＴＥコーディングが、定期的間隔で強制的に行われてもよい。しかしながら、これは、ＡＢＳＯＬＵＴＥコーディングが強制的に行われるフレームに関して、ｇ_ｂ（ｍ）の効率が低い符号化につながることがある。この符号化スキームは次式にしたがって実現されてもよい。

式中、ｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）は、予測コーディングが許可されるかを表す任意のフラグである。ｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）は、最後のＡＢＳＯＬＵＴＥコーディングされたフレーム以降のフレームの数に少なくとも基づくので、ＰＲＥＤＩＣＴＩＶＥモードは、予測フレームの最大数に達すると使用不能にされる。たとえば、

式中、ｐｒｅｄｃｏｕｎｔ（ｍ）は、最後のＡＢＳＯＬＵＴＥコーディングされたフレーム以降のフレームの数である。ｐｒｅｄ_{ａｌｌｏｗｅｄ（ｍ）}の任意の実施形態は、次式にしたがって得ることができる。

または

式中、「≦」または「＝」の使用により、ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫ＿Ｍ１＋１に等しい有効予測ストリークが得られ、または換言すれば、
ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫ＝ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫ＿Ｍ１＋１
ｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）はさらに、たとえば、コーディングモードの切替えの後、または予測ストリークが壊れるはずである他の事例において、コーディングモードの予測モードが許可または却下されるべき状況を反映するように補正されてもよい。

【0057】

ｐｒｅｄｃｏｕｎｔ（ｍ）変数は、始動時にゼロに初期化され、後で次式にしたがって更新されてもよい。

【0058】

ｐｒｅｄｃｏｕｎｔ（ｍ）は、現在のフレームｍのｇ_ｍｏｄｅ（ｍ）に応じて決まるので、ｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）は一般的に、前のフレームｍ－１からのｐｒｅｄｃｏｕｎｔ（ｍ－１）に基づくであろうことに留意されたい。これは、予測ストリークで所望の数のフレームが達成されるように、ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫ定数で説明される必要があるだろう。ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫの一般的な値は、ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫ＝１０であってもよく、これはフレームステップ２０ｍｓの場合の２００ｍｓに対応する。コンフォートノイズ生成の場合、フレームレートは減少されてもよく、フレームは、たとえば、アクティブ信号のコーディングの場合の８フレームごとに対応する、１６０ｍｓごとに送信されてもよい。そのような場合、ｐｒｅｄｃｏｕｎｔ（ｍ）は、コンフォートノイズの間に同様の回復時間を有するように、より大きいステップで更新されてもよい。たとえば、ｐｒｅｄｃｏｕｎｔ（ｍ）は、次式にしたがってより大きいステップで更新されてもよい。

【0059】

上述のモード選択の欠点は、絶対コーディングが強制的に行われた場合、ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫに達したときに、予測コーディングよりも絶対コーディングを選択するコストが大きくなることがあるという点である。

【0060】

次に、本発明のいくつかの実施形態による、図７のフローチャートを参照して、エンコーダ３００（図４および図８のブロック図の構造を使用して実現される）の動作について説明する。たとえば、モジュールは、図４のメモリ４０３に格納されてもよく、これらのモジュールは、モジュールの命令がそれぞれのエンコーダ処理回路４０１によって実行されたとき、エンコーダ３００がフローチャートのそれぞれの動作を実施するような、命令を提供してもよい。

【0061】

どのコーディングモード（即ち、ｇ_ｍｏｄｅ（ｍ））を選択するかの決定は、ｎｂｉｔｓ_ａｂｓ（ｍ）とｎｂｉｔｓ_ｐｒｅｄ（ｍ）との推定平均差に基づく。図８では、ブロック８０２および８０４は、ブロック７２５を実施して、絶対コーディングに対するビットレートｎｂｉｔｓ_ａｂｓ（ｍ）および予測コーディングに対するビットレートｎｂｉｔｓ_ｐｒｅｄ（ｍ）を取得する。ｎｂｉｔｓ_ｐｒｅｄ（ｍ）の計算はパラメータメモリ８０６に基づく。ｎｂｉｔｓ_ａｂｓ（ｍ）を計算するとき、２つ以上の絶対コーディングモードが検討されてもよく、ｎｂｉｔｓ_ａｂｓ（ｍ）は、これら絶対コーディングモードの最小値に設定されるべきである。たとえば、エントロピーコーディング方法は、場合によっては、二値フォーマットでインデックスを直接符号化するよりも大きいビットレートをもたらしてもよい。この場合、フォールバック解として直接インデックスエンコーディングを選択するのが好ましい。

【0062】

ブロック７３０で、エンコーダ３００は、取得したビットレートに基づいてビットレート差を計算する。図８で、ブロック８０８はビットレート差ｂｉｔｄｉｆｆ（ｍ）を演算する。いくつかの実施形態では、ビットレート差は次式にしたがって計算される。
ｂｉｔｄｉｆｆ（ｍ）＝ｎｂｉｔｓ_ａｂｓ（ｍ）－ｎｂｉｔｓ_ｐｒｅｄ（ｍ）

【0063】

ブロック７３５で、エンコーダ３００はビットレート差をローパスフィルタ処理する。図８では、ブロック８１２でローパスフィルタ処理を実施する。いくつかの実施形態では、エンコーダ３００は、次式にしたがってビットレート差をローパスフィルタ処理する。
ｂｉｔｄｉｆｆ_ＬＰ（ｍ）＝γｂｉｔｄｉｆｆ（ｍ）＋（１－γ）ｂｉｔｄｉｆｆ_ＬＰ（ｍ－１）
式中、γは、適切な値がγ＝０．０６、またはγ∈［０．０１，０．２０］の範囲であってもよい、ローパスフィルタ定数である。

【0064】

ビット差が一定（たとえば、ｂｉｔｄｉｆｆ（ｍ）＝ｃｏｎｓｔａｎｔ Ｄ）の場合、ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫの間隔で定期的に強制的に行われる絶対コーディングの平均コストは、Ｄ／ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫとなる。ｐｒｅｄｃｏｕｎｔ（ｍ）フレーム後の絶対フレームをコード化する機会を捕らえたい場合、これは同等またはより低いコストをもたらすはずである。即ち、
ｂｉｔｄｉｆｆ（ｍ）／ｐｒｅｄｃｏｕｎｔ（ｍ－１）≦Ｄ／ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫ
最終的に、これは、絶対コーディングのコストが定期的に強制的に行われる間隔の推定コストよりも厳密に大きいときのみ、予測モードを選択する条件として表されてもよい。
ｂｉｔｄｉｆｆ（ｍ）／ｐｒｅｄｃｏｕｎｔ（ｍ－１）＞Ｄ／ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫ

【0065】

いくつかの実施形態では、定数Ｄは、ローパスフィルタ処理されたビットレート差ｂｉｔｄｉｆｆ_ＬＰ（ｍ）を使用して近似させることができ、式は次式となる。
ｂｉｔｄｉｆｆ（ｍ）＞ｂｉｔｄｉｆｆ_ＬＰ（ｍ）・ｐｒｅｄｃｏｕｎｔ（ｍ－１）／ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫ

【0066】

これは、図９に示されるような決定閾値に対応する。より従来的な方策が望ましい場合、同調定数Ｃが追加されてもよい。たとえば、同調定数Ｃを、次式にしたがって定数Ｄとともに利用することができる。
ｂｉｔｄｉｆｆ（ｍ）＞Ｃ・ｂｉｔｄｉｆｆ_ＬＰ（ｍ）・ｐｒｅｄｃｏｕｎｔ（ｍ－１）／ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫ
式中、Ｃ∈［０，１］である。Ｃ＝０は、必要なビットが予測コーディング以下のとき、ｂｉｔｓ_ａｂｓ（ｍ）≦ｂｉｔ_ｄｉｆｆ（ｍ）、絶対コーディングのみを選択する、即ち、ｂｉｔｓ_ａｂｓ（ｍ）＞ｂｉｔｓ_ｄｉｆｆ（ｍ）のときに予測コーディングを選択する、本来の挙動となることに留意されたい。Ｃ＝１は、定数ｂｉｔｄｉｆｆ_ＬＰ（ｍ）＝Ｄの場合の理論上最適条件となるが、現実的に変動するｂｉｔｄｉｆｆ_ＬＰ（ｍ）に対してわずかにより従来的な方策が、Ｃ＝０．８に設定することによって見出されてもよい。ｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）がどのように計算されるかに応じて、式は次式にしたがって書かれてもよいことに留意されたい。
ｂｉｔｄｉｆｆ（ｍ）＞Ｃ・ｂｉｔｄｉｆｆ_ＬＰ（ｍ）・ｐｒｅｄｃｏｕｎｔ（ｍ－１）／（ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫ＿Ｍ１＋１）

【0067】

ブロック７４０で、エンコーダ３００は、ビットレート差、ローパスフィルタ処理されたビットレート差、および予測モードカウンタに基づいて、コーディングモードを選択する。いくつかの実施形態では、コーディングモードの選択は、同調定数Ｃを含む式を、次式にしたがったコーディングモードセレクタ８１６によるｇ_ｍｏｄｅ（ｍ）の選択と組み合わせることに基づく。

ｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）フラグが存在しない場合、式は次式にしたがって書かれてもよい。

【0068】

ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫの前に絶対コーディングの可能な選択肢を考慮しようとする別の実施形態は、次式にしたがって実現されてもよい。

式中、Ａは定数であり、たとえば、Ａ＝０．４またはＡ∈［０，２］の範囲である。このように、予測ストリークは限界ＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫ内で保たれるが、コスト（ｎｂｉｔｓ_ａｂｓ（ｍ）－ｎｂｉｔｓ_ｐｒｅｄ（ｍ））が十分に低いことがみなされた場合、限界に達する前にコーディングモードをＡＢＳＯＬＵＴＥモードに切り替えることは依然として可能である。これは、最後の絶対コーディングモード以降のフレーム数が増加するにつれて、絶対コーディングモードを選択する緊急性が増加するとみなすことができる。定数Ａを適切に設定することによって、特定のタイプの材料を所与として、またＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫフレーム後に強制的に行われる絶対コーディングと比較して、平均ビットレートおよび予測ストリークの平均長さを低減するのが可能なことがある。

【0069】

ブロック７４５によって表されるように、予測モードがエンコーダ３００によって選択された場合、エンコーダ３００は、ブロック７５０で、コーディングモードを予測モードに設定し、ブロック７５５で、予測モードカウンタを増分する（たとえば、ｐｒｅｄｃｏｕｎｔ（ｍ）。図８では、パラメータエンコーダ８１８は、ブロック７５０で、コーディングモードを予測モードに設定する。予測フレームカウンタブロック８１０は、予測モードカウンタの増分を実施する。

【0070】

予測モードが、ブロック７４５によって表されるように、エンコーダ３００によって選択されない場合、エンコーダ３００は、ブロック７１５で、コーディングモードを絶対コーディングモードに設定し、ブロック７２０で、予測モードカウンタを初期値（たとえば、ｐｒｅｄｃｏｕｎｔ（ｍ））にリセット（または設定）する。初期値は、０、１、または他の任意の値であってもよい。図８では、パラメータエンコーダ８１８は、ブロック７５０で、コーディングモードを絶対モードに設定する。予測フレームカウンタブロック８１０は、予測モードカウンタのリセット／設定を実施する。

【0071】

他のいくつかの実施形態では、予測コーディングは特定のフレームに対して許可されないことがある。したがって、これらの実施形態では、エンコーダ３００は予測コーディングが許可されるか否かを判定する。これは図９に示されている。

【0072】

図９に移って、ブロック７１５～７５５は、図７で上述されており、ここでは繰り返さないものとする。ブロック９１０で、エンコーダ３００は、予測コーディングが許可されるかを判定する。これを判定する１つの手法は、ｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）インジケータをチェックすることによるものである。上述したように、ｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）インジケータは、予測モードカウンタｐｒｅｄｃｏｕｎｔ（ｍ）（たとえば、ｐｒｅｄｃｏｕｎｔ（ｍ－１））に基づく。判定は図８のブロック８１４で実施される。上述したように、いくつかの実施形態では、ｐｒｅｄｃｏｕｎｔ（ｍ－１）が許可された予測フレームの最大数未満のとき、予測コーディングが許可される。換言すれば、ｐｒｅｄｃｏｕｎｔ（ｍ－１）が許可された予測フレームの最大数超過のときは、予測コーディングは許可されない。他の実施形態では、ｐｒｅｄｃｏｕｎｔ（ｍ－１）が許可された予測フレームの最大数以上のときは、予測コーディングは許可されない。他の実施形態では、ｐｒｅｄｃｏｕｎｔ（ｍ－１）が許可された予測フレームの最大数以下のとき、予測コーディングが許可される。ｐｒｅｄｃｏｕｎｔ（ｍ）はフレームごとに１ずつ増加するので、ｐｒｅｄｃｏｕｎｔ（ｍ－１）が許可された予測フレームの最大数に等しいかをチェックすることによって、条件が評価されてもよい。

【0073】

いくつかの実施形態では、ｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）インジケータはフラグである。図１０は、フラグを設定する実施形態を示している。図１０に移って、ブロック１０００で、エンコーダ３００は、予測カウントが予測フレームの最大数未満かを判定する。予測カウントが予測フレームの最大数未満であるという判定に応答して、方法は、ブロック１０１０で、予測コーディングが許可されることを示すフラグを設定することを含む。予測カウントが予測フレームの最大数超過であるという判定に応答して、方法は、ブロック１０２０で、予測コーディングが許可されないことを示すフラグを設定することを含む。予測カウントが予測フレームの最大数に等しいとき、既定値は、予測コーディングが許可されることを示すか、または予測コーディングが許可されないことを示すフラグを設定することであり得る。他の設定を使用してフラグを設定することができ、他の設定を、ｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）がＴＲＵＥであるときの本明細書の実施形態に記載する。

【0074】

図９に戻ると、予測コーディングが許可されないことに応答して、エンコーダ３００は、ブロック７１５で、コーディングモードを絶対コーディングモードに設定し、上述したように、ブロック７２０で、予測モードカウンタをゼロに設定またはリセットする。

【0075】

別の実施形態では、ＡＢＳＯＬＵＴＥおよびＰＲＥＤＩＣＴＩＶＥ復号モードの間での選択は、コーデックの第２のパラメータの符号化によって影響を受けることがある。単にフレームをカウントする代わりに、選択は第２のパラメータの潜在的エラー回復に関係していることがある。第２のパラメータＣ（ｍ）が、イントラフレーム予測Ｃ_{ｉｎｔｒａ}（ｍ）、インターフレーム予測Ｃ_{ｉｎｔｅｒ}（ｍ）、および符号化された予測残差ｒ（ｍ）を含む組み合わされた予測を使用して、符号化されるものと仮定する。再構築されたパラメータ

を、再構築されたイントラフレーム予測

、再構築されたインターフレーム予測

、および再構築された予測残差

に基づいて形成されるようにする。たとえば、再構築されたパラメータ

は、いくつかの実施形態では、次式にしたがって決定することができる。

【0076】

重み付けパラメータα（ｍ）は、絶対コーディングとして見ることができるイントラフレーム予測の割合、対、過去のフレームに応じて決まるインターフレーム予測の割合を制御する。パラメータは一般的に安定しているので、重みα（ｍ）は、高速エラー回復（大きいα（ｍ））対残差コーディングにおける低ビットレート（小さいα（ｍ））を均衡させる。送信エラーが起こった場合、デコーダのメモリはエンコーダとの同期から外れる。これは、次式にしたがって、インターフレーム予測におけるエラーεとしてモデル化することができる。

【0077】

エラーなし復号を減算することで次式になる。

【0078】

送信エラーがフレームｍで起こった場合、Ｍフレーム後の残差エラーε_ｒｅｓは次式のように表すことができる。

【0079】

これは相対エラーとして表すことができる。

【0080】

再帰的定義を使用して、これを次式のように表すことができる。

【0081】

１に近いα（ｍ）のシーケンス、つまりイントラフレーム予測に対する大きい重みは、相対エラーを迅速にゼロに向かって下げることに留意されたい。ゼロに近いα（ｍ）の場合、過去のフレームからのインターフレーム予測に対する重みは大きくなり、相対エラーはより低いレートで減少していく。同等に、回復パラメータをＲ（Ｍ）＝（１－ε_ｒｅｌ（Ｍ））として既定することができる。また、次式にしたがって計算されてもよい。

【0082】

コヒーレンスパラメータのエラー回復レートを解析することによって、第１および第２のパラメータのエラーレジリエンスを均衡させるように、サイド予測パラメータｇ_ｂ（ｍ）の絶対コーディングをトリガすることができる。これを実現する１つの手法は、次式にしたがってｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）に影響を与えるというものである。

【0083】

式中、ε_ＴＨＲは相対エラーの閾値である。たとえば、ε_ＴＨＲ＝０．０１の設定で、潜在的な相対エラーが１パーセント未満に減少すると、予測は許可されない。更新されたε_ｒｅｆ（ｍ）は現在のフレームｍのモード選択に応じて決まるので、ｐｒｅｐ＿ａｌｌｏｗｅｄ（ｍ）は、前のフレームｍ－１の相対エラーに応じて決まる必要がある。さらに、たとえば、フレームカウンタおよび次式による回復解析を使用して、組み合わせが可能である。

【0084】

モード選択は、次式のように適合させることができる、ε_ｒｅｌ（ｍ－１）を使用するようにさらに適合させることができることに留意されたい。

式中、Ｂは定数である。

【0085】

相対エラーε_ｒｅｌ（ｍ）を演算することの代替例は、α（ｍ）重み付け係数を累積するというものである。

【0086】

同様に、α_ａｃｃ（ｍ）は、次式によるｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）に影響を及ぼすのに使用されてもよく、

式中、α_{ａｃｃ，ｍａｘ}は、エラー回復のレベルに対応する定数または、次式によるモード選択に影響を及ぼすのに使用されてもよい。

式中、Ｇは、符号化される入力材料および材料に対して観察されるα（ｍ）値を所与として、好適なビットマージンを与える定数である。

【0087】

様々な実施形態の上記の説明では、本明細書で使用される専門用語は、具体的な実施形態を説明するためのものにすぎず、本発明概念を限定するものではないことを理解されたい。別段に規定されていない限り、本明細書で使用される（技術用語および科学用語を含む）すべての用語は、本発明概念が属する技術の当業者によって通常理解されるものと同じ意味を有する。通常使用される辞書において規定される用語など、用語は、本明細書および関連技術のコンテキストにおけるそれらの用語の意味に従う意味を有するものとして解釈されるべきであり、明確にそのように本明細書で規定されない限り、理想的なまたは過度に形式的な意味において解釈されないことをさらに理解されよう。

【0088】

あるエレメントが、別のエレメントに「接続された」、「結合された」、「応答する」、またはそれらの変形例であるものと呼ばれるとき、そのエレメントは、別のエレメントに直接、接続され、結合され、または応答することができ、あるいは介在するエレメントが存在してもよい。対照的に、あるエレメントが、別のエレメントに「直接接続された」、「直接結合された」、「直接応答する」、またはそれらの変形例であるものと呼ばれるとき、介在するエレメントは存在しない。同様の番号は全体を通して同様のエレメントを指す。さらに、本明細書で使用される、「結合された」、「接続された」、「応答する」、またはそれらの変形例は、無線で結合された、無線で接続された、または無線で応答する、を含んでもよい。本明細書で使用するとき、単数形「ａ」、「ａｎ」、および「ｔｈｅ」は、文脈が明らかにそうでないことを示していない限り、複数形も含むものとする。簡潔および／または明解にするため、よく知られている機能または構築は詳細に説明されないことがある。「および／または」（「／」と略される）という用語は、関連するリストされた項目のうち１つまたは複数のありとあらゆる組合せを含む。

【0089】

様々なエレメント／動作を説明するために、第１の、第２の、第３の、などの用語が本明細書で使用されることがあるが、これらのエレメント／動作は、これらの用語によって限定されるべきでないことを理解されよう。これらの用語は、あるエレメント／動作を別のエレメント／動作と区別するために使用されるにすぎない。したがって、本発明概念の教示から逸脱することなしに、いくつかの実施形態における第１のエレメント／動作が、他の実施形態において第２のエレメント／動作と呼ばれることがある。同じ参照番号または同じ参照符号は、本明細書全体にわたって同じまたは同様のエレメントを示す。

【0090】

本明細書で使用される、「備える、含む（ｃｏｍｐｒｉｓｅ）」、「備える、含む（ｃｏｍｐｒｉｓｉｎｇ）」、「備える、含む（ｃｏｍｐｒｉｓｅｓ）」、「含む（ｉｎｃｌｕｄｅ）」、「含む（ｉｎｃｌｕｄｉｎｇ）」、「含む（ｉｎｃｌｕｄｅｓ）」、「有する（ｈａｖｅ）」、「有する（ｈａｓ）」、「有する（ｈａｖｉｎｇ）」という用語、またはそれらの変形態は、オープンエンドであり、１つまたは複数の述べられた特徴、完全体、エレメント、ステップ、構成要素または機能を含むが、１つまたは複数の他の特徴、完全体、エレメント、ステップ、構成要素、機能またはそれらのグループの存在または追加を排除しない。さらに、本明細書で使用される、「たとえば（ｅｘｅｍｐｌｉ ｇｒａｔｉａ）」というラテン語句に由来する「たとえば（ｅ．ｇ．）」という通例の略語は、前述の項目の一般的な１つまたは複数の例を紹介するかまたは具体的に挙げるために使用されてもよく、そのような項目を限定するものではない。「即ち（ｉｄ ｅｓｔ）」というラテン語句に由来する「即ち（ｉ．ｅ．）」という通例の略語は、より一般的な具陳から特定の項目を具体的に挙げるために使用されてもよい。

【0091】

例示的な実施形態が、コンピュータ実装方法、装置（システムおよび／またはデバイス）および／またはコンピュータプログラム製品のブロック図および／またはフローチャート例示を参照しながら本明細書で説明される。ブロック図および／またはフローチャート例示のブロック、ならびにブロック図および／またはフローチャート例示中のブロックの組合せが、１つまたは複数のコンピュータ回路によって実施されるコンピュータプログラム命令によって実装できることを理解されたい。これらのコンピュータプログラム命令は、汎用コンピュータ回路、専用コンピュータ回路、および／またはマシンを作り出すための他のプログラマブルデータ処理回路のプロセッサ回路に提供されてもよく、したがって、コンピュータおよび／または他のプログラマブルデータ処理装置のプロセッサを介して実行する命令は、ブロック図および／またはフローチャートの１つまたは複数のブロックにおいて指定された機能／行為を実装するために、およびそれにより、ブロック図および／またはフローチャートの（１つまたは複数の）ブロックにおいて指定された機能／行為を実装するための手段（機能）および／または構造を作成するために、トランジスタ、メモリロケーションに格納された値、およびそのような回路内の他のハードウェア構成要素を変換および制御する。

【0092】

これらのコンピュータプログラム命令はまた、コンピュータまたは他のプログラマブルデータ処理装置に特定の様式で機能するように指示することができる、有形コンピュータ可読媒体に格納されてもよく、したがって、コンピュータ可読媒体に格納された命令は、ブロック図および／またはフローチャートの１つまたは複数のブロックにおいて指定された機能／行為を実装する命令を含む製造品を作り出す。したがって、本発明概念の実施形態は、ハードウェアで、および／または「回路」、「モジュール」またはそれらの変形例と総称して呼ばれることがある、デジタル信号プロセッサなどのプロセッサ上で稼働する（ファームウェア、常駐ソフトウェア、マイクロコードなどを含む）ソフトウェアで具現されてもよい。

【0093】

また、いくつかの代替実装形態では、ブロック中で言及される機能／行為は、フローチャート中で言及される順序から外れて行われてもよいことに留意されたい。たとえば、連続して図示された２つのブロックが、関連する機能／動作に応じて、実際には実質的に並行して実行されてもよく、またはブロックはときには逆順で実行されてもよい。さらに、フローチャートおよび／またはブロック図の所与のブロックの機能が、複数のブロックに分離されてもよく、ならびに／あるいはフローチャートおよび／またはブロック図の２つまたはそれ以上のブロックの機能が、少なくとも部分的に統合されてもよい。最後に、他のブロックが、示されているブロック間に追加／挿入されてもよく、ならびに／あるいは発明的概念の範囲から逸脱することなく、ブロック／動作が省略されてもよい。さらに、図のうちのいくつかが、通信の主要な方向を示すために通信経路上に矢印を含むが、通信が、図示された矢印と反対方向に行われてもよいことを理解されたい。

【0094】

本発明概念の原理から実質的に逸脱することなく、実施形態に対して多くの変形および修正を行うことができる。すべてのそのような変形および修正は、本発明概念の範囲内で本明細書に含まれるものとする。したがって、上記で開示された主題は、例示であり、限定するものではないとみなされるべきであり、実施形態の例は、本発明概念の趣旨および範囲内に入る、すべてのそのような修正、拡張、および他の実施形態をカバーするものとする。したがって、法によって最大限に許容される限りにおいて、本発明概念の範囲は、実施形態およびそれらの等価物の例を含む、本開示の最も広い許容可能な解釈によって決定されるべきであり、上記の詳細な説明によって制限または限定されるべきでない。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【手続補正書】

【提出日】2024-08-29

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

現在のフレームに対するコーディングモードを選択するための、エンコーダ（３００）で実行される方法であって、
絶対コーディングおよび予測コーディングに対するビットレートを取得すること（７２５）と、
取得した前記ビットレートに基づいてビットレート差を計算すること（７３０）と、
前記ビットレート差をローパスフィルタ処理すること（７３５）と、
前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および予測モードカウンタに基づいて、コーディングモードを選択すること（７４０）と
を含む、方法。

【請求項2】

予測コーディングモードを選択することに応答して、
前記コーディングモードを前記予測コーディングモードに設定すること（７５０）と、
前記予測モードカウンタを増分すること（７５５）と
をさらに含む、請求項１に記載の方法。

【請求項3】

絶対コーディングモードを選択することに応答して、
前記コーディングモードを前記絶対コーディングモードに設定すること（７１５）と、
前記予測モードカウンタを初期値にリセットすること（７２０）と
をさらに含む、請求項１または２に記載の方法。

【請求項4】

予測コーディングが許可されるか否かを判定することが、予測コーディングが許可されることをフラグが示すかを判定することを含む、請求項１から３のいずれか一項に記載の方法。

【請求項5】

予測コーディングが許可されることを前記フラグが示すかを判定することが、
予測カウントが予測フレームの最大数未満かを判定すること（１０００）と、
前記予測カウントが予測フレームの前記最大数未満であるという判定に応答して、予測コーディングが許可されることを示すようにフラグを設定すること（１０１０）と、
前記予測カウントが予測フレームの前記最大数超過であるという判定に応答して、予測コーディングが許可されないことを示すように前記フラグを設定すること（１０２０）と
を含む、請求項４に記載の方法。

【請求項6】

予測コーディングが許可されるか否かを判定すること（９１０）と、
予測コーディングが許可されないという判定に応答して、
コーディングモードを絶対コーディングモードに設定すること（７１５）と、
前記予測モードカウンタを初期値にリセットすること（７２０）と
をさらに含む、請求項１から４のいずれか一項に記載の方法。

【請求項7】

前記ビットレート差を計算することが、次式にしたがって前記ビットレート差を計算することを含み、
ｂｉｔｄｉｆｆ（ｍ）＝ｎｂｉｔｓ_ａｂｓ（ｍ）－ｎｂｉｔｓ_ｐｒｅｄ（ｍ）
式中、ｎｂｉｔｓ_ａｂｓ（ｍ）が絶対コーディングに対するビットレートであり、ｎｂｉｔｓ_ｐｒｅｄ（ｍ）が予測コーディングに対するビットレートである、
請求項１から６のいずれか一項に記載の方法。

【請求項8】

前記ビットレート差をローパスフィルタ処理することが、次式にしたがって前記ビットレート差をローパスフィルタ処理することを含み、
ｂｉｔｄｉｆｆ_ＬＰ（ｍ）＝γｂｉｔｄｉｆｆ（ｍ）＋（１－γ）ｂｉｔｄｉｆｆ_ＬＰ（ｍ－１）
式中、γがローパスフィルタ係数である、
請求項１から７のいずれか一項に記載の方法。

【請求項9】

前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および前記予測モードカウンタに基づいて、前記コーディングモードを選択することが、次式にしたがって前記コーディングモードを選択することを含み、

式中、

ｂｉｔｄｉｆｆ（ｍ）＝ｎｂｉｔｓ_ａｂｓ（ｍ）－ｎｂｉｔｓ_ｐｒｅｄ（ｍ）、および
ｂｉｔｄｉｆｆ_ＬＰ（ｍ）＝γｂｉｔｄｉｆｆ（ｍ）＋（１－γ）ｂｉｔｄｉｆｆ_ＬＰ（ｍ－１）であり、
式中、ｇ_ｍｏｄｅ（ｍ）が前記コーディングモード、ｐｒｅｄｃｏｕｎｔ（ｍ－１）が最後のＡＢＳＯＬＵＴＥコーディングされたフレーム以降のフレームの数、Ｃが同調定数、ｂｉｔｄｉｆｆ（ｍ）がビットレート差、ｎｂｉｔｓ_ｐｒｅｄ（ｍ）が予測コーディングに使用されると推定されるビットの数、ｎｂｉｔｓ_ａｂｓ（ｍ）が絶対コーディングに使用されると推定されるビットの数、ｂｉｔｄｉｆｆ_ＬＰ（ｍ）がローパスフィルタ処理されたビットレート差、γがローパスフィルタ係数、およびＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫが許可される予測連続フレームの最大数である、
請求項１から８のいずれか一項に記載の方法。

【請求項10】

であり、式中、ＳＩＤフレームが無音挿入記述子フレームである、
請求項９に記載の方法。

【請求項11】

γ∈［０．０１，０．２０］、および
Ｃ∈［０，１］である、
請求項９に記載の方法。

【請求項12】

ｇ_ｍｏｄｅ（ｍ）がさらに、次式によるｐｒｅｄ＿ａｌｌｏｗｅｄ（ｍ）に基づき、

式中、

である、請求項９から１１のいずれか一項に記載の方法。

【請求項13】

前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および前記予測モードカウンタに基づいて、前記コーディングモードを選択することが、次式にしたがって前記コーディングモードを選択することを含み、

式中、ｇ_ｍｏｄｅ（ｍ）が前記コーディングモード、ｐｒｅｄｃｏｕｎｔ（ｍ）が最後のＡＢＳＯＬＵＴＥコーディングされたフレーム以降のフレームの数、ｎｂｉｔｓ_ｐｒｅｄ（ｍ）が予測コーディングに使用されると推定されるビットの数、ｎｂｉｔｓ_ａｂｓ（ｍ）が絶対コーディングに使用されると推定されるビットの数、Ａが定数、およびＭＡＸ＿ＰＲＥＤ＿ＳＴＲＥＡＫが許可される予測連続フレームの最大数である、
請求項１から８のいずれか一項に記載の方法。

【請求項14】

Ａ∈［０，２］である、請求項１３に記載の方法。

【請求項15】

前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および前記予測モードカウンタに基づいて、前記コーディングモードを選択することが、次式にしたがって前記コーディングモードを選択することを含み、

式中、ｇ_ｍｏｄｅ（ｍ）が前記コーディングモード、ｎｂｉｔｓ_ｐｒｅｄ（ｍ）が予測コーディングに使用されると推定されるビットの数、ｎｂｉｔｓ_ａｂｓ（ｍ）が絶対コーディングに使用されると推定されるビットの数、Ｇが定数、α_ａｃｃ（ｍ）が重み付け係数、ε_ｒｅｌ（ｍ）が相対エラー、およびε_ＴＨＲが前記相対エラーの閾値である、
請求項１から８のいずれか一項に記載の方法。

【請求項16】

絶対コーディングおよび予測コーディングに対するビットレートを取得することと、
取得した前記ビットレートに基づいてビットレート差を計算することと、
前記ビットレート差をローパスフィルタ処理することと、
前記ビットレート差、ローパスフィルタ処理された前記ビットレート差、および予測モードカウンタに基づいて、コーディングモードを選択することと
を含む動作を実施するように適合された、現在のフレームに対するコーディングモードを選択する、エンコーダ（３００）。

【請求項17】

前記エンコーダ（３００）が、
予測コーディングモードを選択することに応答して、
前記コーディングモードを前記予測コーディングモードに設定することと、
前記予測モードカウンタを増分することと
を含むさらなる動作を実施するように適合された、請求項１６に記載のエンコーダ（３００）。

【請求項18】

絶対コーディングモードを選択することに応答して、
前記コーディングモードを前記絶対コーディングモードに設定することと、
前記予測モードカウンタを初期値にリセットすることと
をさらに含む、請求項１６または１７に記載のエンコーダ（３００）。

【請求項19】

予測コーディングが許可されるか否かを判定することが、予測コーディングが許可されることをフラグが示すかを判定することを含む、請求項１６から１８のいずれか一項に記載のエンコーダ（３００）。

【請求項20】

予測コーディングが許可されることを前記フラグが示すかを判定することが、
予測カウントが予測フレームの最大数未満かを判定することと、
前記予測カウントが予測フレームの前記最大数未満であるという判定に応答して、予測コーディングが許可されることを示すようにフラグを設定することと、
前記予測カウントが予測フレームの前記最大数超過であるという判定に応答して、予測コーディングが許可されないことを示すように前記フラグを設定することと
を含む、請求項１９に記載のエンコーダ（３００）。

【請求項21】

予測コーディングが許可されるか否かを判定することと、
予測コーディングが許可されないという判定に応答して、
コーディングモードを絶対コーディングモードに設定することと、
前記予測モードカウンタを初期値にリセットすることと
をさらに含む、請求項１６から１９のいずれか一項に記載のエンコーダ（３００）。

【請求項22】

前記ビットレート差を計算することが、次式にしたがって前記ビットレート差を計算することを含み、
ｂｉｔｄｉｆｆ（ｍ）＝ｎｂｉｔｓ_ａｂｓ（ｍ）－ｎｂｉｔｓ_ｐｒｅｄ（ｍ）
式中、ｎｂｉｔｓ_ａｂｓ（ｍ）が絶対コーディングに対するビットレートであり、ｎｂｉｔｓ_ｐｒｅｄ（ｍ）が予測コーディングに対するビットレートである、
請求項１６から２１のいずれか一項に記載のエンコーダ（３００）。

【国際調査報告】