JP6513066B2 - 周波数拡張されたオーディオ信号を生成するためのデコーダ、復号化方法、符号化された信号を生成するためのエンコーダ、およびコンパクトな選択サイド情報を使用する符号化方法 - Google Patents

Description

本発明は、オーディオ符号化に関し、特に周波数拡張(ｆｒｅｑｕｅｎｃｙ ｅｎｈａｎｃｅｍｅｎｔ)、すなわちデコーダ出力信号が符号化された信号に比べてより多い数の周波数帯域数を有する状況での、オーディオ符号化に関する。このような処理には、帯域幅拡張、スペクトル複製またはインテリジェントギャップフィリング（intelligent gap filling）を含む。

現代の音声符号化システムは、広帯域（ＷＢ）デジタルオーディオ成分、すなわち７〜８ｋＨｚまでの周波数で６ｋｂｉｔ／ｓの低さのビットレートの信号を符号化することができる。最も広範に取り上げられる例として、ＩＴＵ−Ｔ勧告Ｇ．７２２．２（非特許文献１）、より最近に開発されたものでは、Ｇ．７１８（非特許文献４および１０）およびＭＰＥＧ−Ｄユニファイドスピーチおよびオーディオ符号化（ＵＳＡＣ）（非特許文献８）がある。ＡＭＲ−ＷＢとしても知られるＧ．７２２．２およびＧ．７１８はともに、６．４ｋＨｚと７ｋＨｚの間の帯域幅拡張（ＢＷＥ）技術を用いて、基礎となるＡＣＥＬＰコアコーダを、知覚的により関連があるより低い周波数（特に人の可聴系が位相感応である周波数）に「集中」させることにより、特に、非常に低いビットレートで充分な品質を得られるようにする。ＵＳＡＣエクステンデッドＨＥ-ＡＣＣ（Ｈｉｇｈ Ｅｆｆｉｃｉｅｎｃｙ Ａｄｖａｎｃｅｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ）（ｘＨＥ−ＡＡＣ）プロファイルでは、拡張したスペクトル帯複製（ｅＳＢＲ）は、典型的には、１６ｋｂｉｔ／ｓで、６ｋＨｚを下回るコアコーダ帯域幅を超えるオーディオ帯域幅を拡張するために使用される。現在の最新技術のＢＷＥプロセスは、一般に、２つの概念的アプローチに分けることができる。

ブラインドまたは人工的ＢＷＥ（blind or artificial BWE）。高周波数（ＨＦ）成分が復号化された低周波数（ＬＦ）コアコーダ信号のみから再構成され、すなわちエンコーダから送信されるサイド情報を必要としない。このスキームは、１６ｋｂｉｔ／ｓ以下で、ＡＭＲ−ＷＢおよびＧ．７１８により、かつ伝統的な狭帯域の電話音声に対して作用するいくつかの後方互換性ＢＷＥポストプロセッサにより使用される（非特許文献５、９および１２（例：図１５））。

誘導ＢＷＥ（guided BWE）。これは、ＨＦ成分再構成のために使用されるパラメータのいくつかが、復号化されたコア信号から推定されるのではなく、サイド情報としてデコーダに送られる点が、ブラインドＢＷＥとは異なる。ＡＭＲ−ＷＢ、Ｇ．７１８、ｘＨＥ−ＡＡＣおよび他のいくつかのコーデック（非特許文献２、７および１１）は、このアプローチを使用するが、ビットレートはそれほど低くない（図１６）。

図１５は、非特許文献１２に記載されるこのようなブラインドまたは人工的帯域幅拡張を示す。図１５に示すスタンドアローンの帯域幅拡張アルゴリズムは、補間手順１５００、分析フィルタ１６００、励起拡張１７００、合成フィルタ１８００、特徴抽出手順１５１０、包絡推定手順１５２０および統計モデル１５３０を含む。狭帯域信号の広帯域サンプルレートへの補間後、特徴ベクトルを計算する。その後、事前トレーニングした統計的隠れマルコフモデル（ＨＭＭ）により、広帯域スペクトル包絡の推定値を、線形予測（ＬＰ）係数に関して決定する。これらの広帯域係数は、補間された狭帯域信号の分析フィルタリングのために使用される。得られた励起を拡張した後、逆合成フィルタを適用する。狭帯域を変更しない励起拡張の選択は、狭帯域成分に関して、明白である。

図１６は、上記の刊行物に記載されるサイド情報での帯域幅拡張を示し、この帯域幅拡張は、電話帯域通過１６２０、サイド情報抽出ブロック１６１０、（ジョイント）エンコーダ１６３０、デコーダ１６４０および帯域幅拡張ブロック１６５０を含む。符号化および帯域幅拡張の組合せによる誤差帯域音声信号の広域拡張のためのこのシステムを図１６に示す。送信側端末では、広帯域入力信号の高帯域スペクトル包絡が分析され、サイド情報が決定される。狭帯域音声信号とは別に、または一緒に、得られたメッセージｍが符号化される。受信部で、デコーダサイド情報が帯域幅拡張アルゴリズム内で広帯域包絡の推定をサポートするために使用される。メッセージｍは、いくつかの手順により得られる。３．４ｋＨｚから７ｋＨｚの周波数のスペクトル表示を、送信側でのみ入手可能な広帯域信号から抽出する。

このサブバンド包絡は、選択的線形予測、すなわち広帯域パワースペクトルの計算後にその上方帯域成分のＩＤＦＴおよび後続の次数８のレヴィンソン‐ダービン再帰法を行うことにより計算される。得られたサブバンドＬＰＣ係数は、ケプストラム領域へ変換され、最終的にはベクトル量子化器により、大きさＭ＝２^Ｎのコードブックで量子化される。これは、２０ｍｓのフレーム長で、３００ビット／ｓのサイド情報データレートになる。組合せ推定アプローチは、事後確率の計算を拡大し、かつ狭帯域特性への依存を再導入する。したがって、誤差を隠す改善された形が得られ、これはそのパラメータ推定に情報の複数のソースを使用する。

ＷＢコーデックにおける特定の品質のジレンマは、典型的には１０ｋｂｉｔ／ｓを下回る低ビットレートで観察できる。一方、このようなレートは、中ぐらいの量のＢＷＥデータでさえ送信を保証するにはすでに低すぎ、１ｋｂｉｔ／ｓ以上のサイド情報での典型的な誘導ＢＷＥシステムを不可能にする。他方で、実行可能なブラインドＢＷＥは、コア信号から適切なパラメータ予測ができないために、少なくともスピーチや音楽素材のいくつかのタイプに対しては、かなり劣って聞こえることがわかる。これは、ＨＦおよびＬＦ間の相関が低い摩擦音等のいくつかの声帯音について、特に当てはまる。したがって、誘導ＢＷＥスキームのサイド情報レートを、非常に低いビットレートの符号化でさえ適応を可能にすると考えられる、１ｋｂｉｔ／ｓをはるかに下回るレベルまで低減することが望ましい。

近年、マニフォルドＢＷＥ（manifold BWE）アプローチが開示されている（非特許文献１から１０）。一般に、これらのすべてが、ある所与の動作ポイントでは、入力信号のその瞬間の特徴に関係なく、完全にブラインドか完全にガイドされるかのいずれかである。さらに、多くのブラインドＢＷＥシステム（特許文献１、３、４、５、９および１０）が、音楽よりもむしろ特に音声信号について最適化されており、音楽については満足の得られない結果を生じさせるかもしれない。ＢＷＥ実現例の多くは比較的計算が複雑で、フーリエ変換、ＬＰＣフィルタ計算またはサイド情報のベクトル量子化を使用する（ＭＰＥＧ−Ｄ ＵＳＡＣの予測ベクトル符号化（非特許文献８））。このことは、携帯機器の大多数で計算能力およびバッテリ容量が非常に限られていることを考えると、携帯通信市場における新たな符号化技術の適応において欠点になり得る。

小さなサイド情報によりブラインドＢＷＥを拡張するアプローチが非特許文献１２に提示され、図１６に示される。しかしながら、このサイド情報「ｍ」は、帯域幅拡張した周波数域のスペクトル包絡の送信に限定される。

図１６に示す手順の他の問題は、一方で低帯域の特徴を利用し、他方で追加の包絡サイド情報を利用する非常に複雑な包絡線推定のやり方である。両方の入力、すなわち低帯域の特徴および追加の高帯域包絡が統計モデルに影響を与える。これにより、デコーダ側の実現が複雑になり、電力消費が増大するため、携帯機器には特に問題になる。また、追加の高帯域包絡データによってのみ影響を受けるわけではないという事実から、統計モデルの更新がさらに困難になる。

B. Bessette et al., "The Adaptive Multi-rate Wideband Speech Codec (AMR-WB)," IEEE Trans. on Speech and Audio Processing, Vol. 10, No. 8, Nov. 2002 B. Geiser et al., "Bandwidth Extension for Hierarchical Speech and Audio Coding in ITU-T Rec. G.729.1," IEEE Trans. on Audio, Speech, and Language Processing, Vol. 15, No. 8, Nov. 2007 B. Iser, W. Minker, and G. Schmidt, Bandwidth Extension of Speech Signals, Springer Lecture Notes in Electrical Engineering, Vol. 13, New York, 2008 M. Jelinek and R. Salami, "Wideband Speech Coding Advances in VMR-WB Standard," IEEE Trans. on Audio, Speech, and Language Processing, Vol. 15, No. 4, May 2007 I. Katsir, I. Cohen, and D. Malah, "Speech Bandwidth Extension Based on Speech Phonetic Content and Speaker Vocal Tract Shape Estimation," in Proc. EUSIPCO 2011, Barcelona, Spain, Sep. 2011 E. Larsen and R. M. Aarts, Audio Bandwidth Extension: Application of Psychoacoustics, Signal Processing and Loudspeaker Design, Wiley, New York, 2004 J. Maekinen et al., "AMR-WB+: A New Audio Coding Standard for 3rd Generation Mobile Audio Services," in Proc. ICASSP 2005, Philadelphia, USA, Mar. 2005 M. Neuendorf et al., "MPEG Unified Speech and Audio Coding - The ISO/MPEG Standard for High-Efficiency Audio Coding of All Content Types," in Proc. 132ndConvention of the AES, Budapest, Hungary, Apr. 2012. Also to appear in the Journal of the AES, 2013 H. Pulakka and P. Alku, "Bandwidth Extension of Telephone Speech Using a Neural Network and a Filter Bank Implementation for Highband Mel Spectrum," IEEE Trans. on Audio, Speech, and Language Processing, Vol. 19, No. 7, Sep. 2011 T. Vaillancourt et al., "ITU-T EV-VBR: A Robust 8-32 kbit/s Scalable Coder for Error Prone Telecommunications Channels," in Proc. EUSIPCO 2008, Lausanne, Switzerland, Aug. 2008 L. Miao et al., "G.711.1 Annex D and G.722 Annex B: New ITU-T Superwideband codecs," in Proc. ICASSP 2011, Prague, Czech Republic, May 2011 Bernd Geiser, Peter Jax, and Peter Vary:: "ROBUST WIDEBAND ENHANCEMENT OF SPEECH BY COMBINED CODING AND ARTIFICIAL BANDWIDTH EXTENSION", Proceedings of International Workshop on Acoustic Echo and Noise Control (IWAENC), 2005

本発明の目的は、オーディオ符号化／復号化の改善された概念を提供することである。

この目的は、請求項１に記載のデコーダ、請求項１２に記載のエンコーダ、請求項１４に記載の復号化方法、請求項１５に記載の符号化方法、または請求項１６に記載のコンピュータ読み取り可能な媒体により達成される。

本発明は、サイド情報の量をさらに低減し、さらにエンコーダ／デコーダ全体を余計に複雑にしないためには、先行技術による高帯域部分のパラメータ符号化を、周波数拡張デコーダに対して特徴抽出部とともに使用する統計モデルに実際に関連する選択サイド情報で置き換えるかまたは少なくともこれにより拡張する必要があると言う所見に基づく。統計モデルと組み合わせた特徴抽出が、特に特定の音声部分に関して曖昧さを有するパラメータ表示の選択肢（parametric representation alternatives）を提供するため、実際に、デコーダ側でパラメータ生成部内の統計モデル、提供された選択肢のうちどれが最良かを制御することは、特に、帯域幅拡張のためのサイド情報が限られる非常に低いビットレートの応用においては、実際に信号の特定の特徴をパラメータ的に符号化するよりも優れていることがわかった。

このように、信号自体が、許容可能な知覚品質レベルでのＨＦ成分の再構成を可能にしない場合は特に、小さな追加のサイド情報を伴う拡張により、符号化された信号のソースモデルを利用するブラインドＢＷＥが改善される。したがって、この手順は、追加の情報により、符号化されたコアコーダ成分から生成されるソースモデルのパラメータを組み合わせる。これは、このようなソースモデル内で符号化することが難しいサウンドの知覚品質を増強するために特に有利である。このようなサウンドは、典型的に、ＨＦとＬＦ成分間に示される相関が低い。

本発明は、非常に低いビットレートのオーディオ符号化における従来技術のＢＷＥの問題、および既存の最新技術のＢＷＥ技術の欠点に対処する。上記の品質に関するジレンマの解決法は、ブラインドおよび誘導ＢＷＥの信号適応組合せとして最小限ガイドされたＢＷＥを提案することにより提供される。発明のＢＷＥは、小さなサイド情報を、さもなくば問題になるであろう符号化されたサウンドをさらに区別することを可能にする信号に付加する。音声符号化においては、これは特に歯擦音または摩擦音に当てはまる。

ＷＢコーデックにおいては、コアコーダ領域上のＨＦ領域のスペクトル包絡が、許容可能な知覚品質でＢＷＥを実行するために必要な最も重要なデータを表すことがわかった。スペクトル微細構造および時間包絡等のそれ以外のパラメータはすべて、復号化されたコア信号から大変正確に生成できるか、または知覚的にほとんど重要でないことが多い。しかしながら、摩擦音は、ＢＷＥ信号において適切な再生を欠くことが多い。したがって、サイド情報は、「ｆ」、「ｓ」、「ｃｈ」および「ｓｈ」等の異なる歯擦音または摩擦音を区別する付加的情報を含む。

「ｔ」または「ｔｓｃｈ」等の破裂音または破擦音は、発生すると帯域幅拡張たのための他の問題がある音響情報である。

本発明は、必要な場合にのみ、このサイド情報の使用を認めて実際に送信し、統計モデルに曖昧さが予想されない場合には、このサイド情報を送信させない。

さらに、本発明の好ましい実施の形態は、フレームごと３ビット以下等の非常に少ない量のサイド情報のみを使用し、信号推定部を制御するための組み合わせられたボイスアクティビティの検知／音声／非音声検知、信号分類部により決定される異なる統計モデル、包絡推定のみならず他の帯域幅拡張ツールを意味するパラメータ表示の選択肢、帯域幅拡張パラメータの改善または既存のかつ実際に送信された帯域幅拡張パラメータへの新たなパラメータの追加を使用する。

本発明の好ましい実施の形態について、添付の図面を参照して以下に説明し、従属項にも規定する。

周波数拡張されたオーディオ信号を生成するためのデコーダを示す図である。 図１のサイド情報抽出部に関連する好ましい実現例の図である。 選択サイド情報のビット数とパラメータ表示の選択肢の数に関する表である。 パラメータ生成部において行われる好ましい手順を示す図である。 ボイスアクティビティ検知部または音声／非音声検知部により制御される信号推定部の好ましい実現例の図である。 信号分類部により制御されるパラメータ発生部の好ましい実現例を示す図である。 統計モデルの結果と関連の選択サイド情報の例を示す図である。 符号化されたコア信号および関連のサイド情報を含む典型的な符号化された信号を示す図である。 包絡推定の改善のための帯域拡張信号処理スキームを示す図である。 スペクトル帯域複製手順に関連するデコーダの他の実現例を示す図である。 付加的に送信されるサイド情報に関連するデコーダの他の実施の形態を示す図である。 符号化された信号を生成するためのエンコーダの実施の形態を示す図である。 図１２の選択サイド情報生成部の実現例を示す図である。 図１２の選択サイド情報生成部の他の実現例を示す図である。 先行技術のスタンドアローンの帯域幅拡張アルゴリズムを示す図である。 追加メッセージを有する送信システムの概略図である。

図１は、周波数拡張されたオーディオ信号１２０を生成するためのデコーダを示す。デコーダは、コア信号１００から（少なくとも）１つの特徴を抽出するための特徴抽出部１０４を含む。一般に、特徴抽出部は、単一の特徴または複数の特徴、すなわち２以上の特徴を抽出でき、特徴抽出部により複数の特徴を抽出することが好ましい。これは、デコーダにおける特徴抽出部に当てはまるのみならず、エンコーダにおける特徴抽出部にも当てはまる。

さらに、コア信号１００に関連する選択サイド情報１１４を抽出するためのサイド情報抽出部１１０を設ける。さらに、パラメータ生成部１０８は、特徴送信ライン１１２を介して特徴抽出部１０４に接続され、かつ選択サイド情報１１４を介してサイド情報抽出部１１０に接続される。パラメータ生成部１０８は、コア信号により規定されない周波数拡張されたオーディオ信号のスペクトル域を推定するためにパラメータ表示（parametric representation）を生成するよう構成される。パラメータ生成部１０８は、特徴１１２に応答していくつかのパラメータ表示の選択肢を提供し、かつ選択サイド情報１１４に応答してそのパラメータ表示の選択肢の１つをパラメータ表示として選択するよう構成される。デコーダは、選択部により選択されるパラメータ表示、すなわちパラメータ表示１１６を使用して、周波数拡張されたオーディオ信号を推定するための信号推定部１１８をさらに含む。

特に、特徴抽出部１０４は、図２に示すような復号化されたコア信号からも抽出するよう実現することができる。そこで、入力インターフェース１１０は、符号化された入力信号２００を受けるよう構成される。この符号化された入力信号２００は、インターフェース１１０に入力され、入力インターフェース１１０は、符号化されたコア信号から選択サイド情報を分離する。こうして、入力インターフェース１１０は、図１のサイド情報抽出部１１０として動作する。入力インターフェース１１０により出力される符号化されたコア信号２０１は、次にコアデコーダ１２４に入力され、コア信号１００になり得る復号化されたコア信号を提供する。

しかしながら、代替的には、特徴抽出部は、符号化されたコア信号から、特徴を演算または抽出することもできる。典型的には、符号化されたコア信号は、周波数帯域のスケールファクタの表示またはオーディオ情報の他の表示を含む。特徴抽出の種類に応じて、オーディオ信号の符号化表示は、復号化されたコア信号を代表するものであって、特徴を抽出することができる。代替的または付加的に、特徴は完全に復号化されたコア信号のみならず、部分的に復号化されたコア信号からも抽出できる。周波数領域の符号化において、符号化された信号は、スペクトルフレームのシーケンスを含む周波数領域表示を表すものである。したがって、実際にスペクトル時間変換を行う前に、スペクトルフレームのシーケンスの復号化された表示を得るため、符号化されたコア信号を一部だけ復号化することができる。こうして、特徴抽出部１０４は、符号化されたコア信号か、一部復号化されたコア信号または完全に復号化されたコア信号のいずれかから特徴を抽出することができる。特徴抽出部１０４は、その抽出された特徴に関して、先行技術で知られるとおり実現でき、かつ特徴抽出部はたとえばオーディオ指紋またはオーディオＩＤ技術において行われるように実現され得る。

好ましくは、選択サイド情報１１４は、コア信号のフレームごとにＮビットを含む。図３は、異なる選択肢に関する表を示す。選択サイド情報のビット数は、固定されるか、または抽出した特徴に応答して統計モデルにより付与されるパラメータ表示の選択肢の数に依拠して選択される。特徴に応答して、統計モデルにより与えられるパラメータ表示の選択肢が２つのみの場合、選択サイド情報の１ビットで十分である。統計モデルにより最大４つの表示選択肢が与えられる場合、選択サイド情報について２ビットが必要である。選択サイド情報の３ビットにより、同時に最大８つのパラメータ表示選択肢が可能になる。選択サイド情報の４ビットで、実際には、１６のパラメータ表示の選択肢が可能になり、選択サイド情報の５ビットでは、３２の同時のパラメータ表示の選択肢が可能である。１秒を５０フレームに分割する場合、フレームごとに３ビット以下の選択サイド情報のみを使用することが好ましく、秒あたり１５０ビットのサイド情報レートとなる。選択サイド情報は、統計モデルが実際に表示の選択肢を提供する場合にのみ必要であると言う事実を考えると、このサイド情報レートをもっと低減することができる。このように、統計モデルがある特徴について１つの選択肢しか提供しない場合は、選択サイド情報ビットは全く不要である。一方、統計モデルが４つのパラメータ表示の選択肢のみ提供する場合は、選択サイド情報の３ビットではなく、２ビットのみが必要である。したがって、典型的な事例では、追加のサイド情報レートは、１５０ビット／秒を下回ることさえ可能である。

さらに、パラメータ生成部は、多くて、２^Ｎに等しい量のパラメータ表示の選択肢を提供するよう構成される。他方、パラメータ生成部１０８がたとえば５つのパラメータ表示の選択肢しか提供しない場合でも、３ビットの選択サイド情報が必要である。

図４は、パラメータ生成部１０８の好ましい実現例を示す。特に、パラメータ生成部１０８は、図１の特徴１１２がステップ４００で説明した統計モデルに入力されるように構成される。その後、ステップ４０２に説明するとおり、複数のパラメータ表示選択肢がこのモデルにより提供される。

さらに、パラメータ生成部１０８は、ステップ４０４で説明するように、サイド情報抽出部から選択サイド情報１１４を回収するよう構成される。その後、ステップ４０６で、特定のパラメータ表示の選択肢を、選択サイド情報１１４を使用して選択する。最終的に、ステップ４０８で、選択したパラメータ表示の選択肢を信号推定部１１８へ出力する。

好ましくは、パラメータ生成部１０８は、パラメータ表示の選択肢の１つを選択する場合に、パラメータ表示の選択肢の予め定義された順序（order）を使用するか、または代替的には表示の選択肢のエンコーダ信号順を使用するよう構成される。これについて、図７を参照する。図７は、統計モデルが４つのパラメータ表示の選択肢７０２、７０４、７０６および７０８を提供する結果を示す。対応の選択サイド情報コードについても示す。選択肢７０２は、ビットパターン７１２に対応する。選択肢７０４は、ビットパターン７１４に対応する。選択肢７０６は、ビットパターン７１６に対応し、かつ選択肢７０８はビットパターン７１８に対応する。こうして、パラメータ生成部１０８、またはたとえばステップ４０２が、４つの選択肢７０２から７０８を図７に示す順序で回収する場合、ビットパターン７１６を有する選択サイド情報は、パラメータ表示の選択肢３（参照番号７０６）を一意的に識別することになり、パラメータ生成部１０８は、この第３の選択肢を選択することになる。しかしながら、選択サイド情報ビットパターンがビットパターン７１２である場合には、第１の選択肢７０２が選択されることになる。

したがって、パラメータ表示の選択肢の予め定義された順序は、抽出された特徴に応じて、統計モデルが選択肢を実際に伝える順序になり得る。代替的には、個々の選択肢が、相違するが相互に大変接近する関連の確率を有する場合、予め定義された順序は、最も高い確率のパラメータ表示が第１に来る順序になり得る。代替的には、たとえば単一のビットにより順序を信号発信することが可能であるが、このビットでさえ節約するためには、予め規定された順序が好ましい。

次に、図９から図１１を参照する。

図９にしたがう実施の形態において、本発明は、専用の音声源モデルがパラメータ抽出のために使用されるように、音声信号に特に適している。しかしながら、本発明は、音声符号化に限定されるわけではない。様々な実施の形態が、他のソースのモデルも採用し得る。

特に、選択サイド情報１１４は、「摩擦音情報」とも呼ばれ、これはこの選択サイド情報が、「ｆ」、「ｓ」または「ｓｈ」等の問題のある歯擦音や摩擦音を区別するからである。こうして、選択サイド情報は、いずれもパラメータ生成部１０８において行われる、包絡推定９０２のプロセスにおける、たとえば統計モデル９０４により提供される３つの問題ある選択肢のうちの１つを、明白に定義する。包絡推定により、コア信号に含まれないスペクトル部分のスペクトル包絡のパラメータ表示が得られる。

したがって、ブロック１０４は、図１５のブロック１５１０に対応し得る。さらに、図１５のブロック１５３０は、図９の統計モデル９０４に対応し得る。

さらに、信号推定部１１８は、分析フィルタ９１０、励起拡張ブロック１１２および合成フィルタ９４０を含む。こうして、ブロック９１０、９１２および９１４が、図１５のブロック１６００、１７００および１８００に対応し得る。特に、分析フィルタ９１０は、ＬＰＣ分析フィルタである。包絡推定ブロック９０２は、ブロック９１０の結果がフィルタ励起信号になるように、分析フィルタ９１０のフィルタ係数を制御する。出力信号のためのデコーダ１２０の周波数域を有するのみならず、コアコーダにより定義されずかつ／またはコア信号のスペクトル域を超える周波数またはスぺクトル域を有する励起信号をブロック９１２の出力に得るために、このフィルタ励起信号は周波数に関して拡張される。こうして、デコーダの出力にオーディオ信号９０９がアップサンプルされ、補間部９００により補間され、かつ補間された信号が信号推定部１１８におけるプロセスの対象となる。このように、図９の補間部９００は、図１５の補間部１５００に対応し得る。しかしながら、図１５とは対照的に、特徴抽出１０４は、図１５に示す補間された信号に対してよりも、むしろ非補間信号を使用して行われることが好ましい。これは、非補間オーディオ信号９０９が、オーディオ信号の特定の時間部分に比べてサンプルの数がより少ないと言う事実により、ブロック９００の出力でアップサンプルされかつ補間された信号に比べて、特徴抽出部１０４がより効率よく動作するので有利である。

図１０は、本発明の他の実施の形態を示す図である。図９とは対照的に、図１０は、図９に示す包絡推定（envelope estimate）を提供するのみならず、失われた音（missing tones）１０８０の発生のための情報、逆フィルタリング１０４０のための情報または付加すべきノイズフロア（noise floor）１０２０に関する情報を含む付加的なパラメータ表示を提供する統計モデル９０４を有する。ブロック１０２０および１０４０、スペクトル包絡発生１０６０および失われた音１０８０の手順については、ＨＥ−ＡＣＣ（Ｈｉｇｈ Ｅｆｆｉｃｉｅｎｃｙ Ａｄｖａｎｃｅｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ）に関連するＭＰＥＧ−４規格に記載される。

このように、音声とは異なる他の信号も、図１０に示すように符号化することができる。この場合、スペクトル包絡１０６０のみを符号化するだけで十分ではなく、非特許文献６で説明されるスペクトル帯域複製（ＳＢＲ）技術で行われるような調性（１０４０）、ノイズレベル（１０２０）または失われたシヌソイド（１０８０）等のさらなるサイド情報も符号化する。

他の実施の形態を図１１に示すが、サイド情報１１４、すなわち選択サイド情報が１１００で示すＳＢＲサイド情報に加えて使用される。こうして、たとえば検出された音声に関する情報を含む選択サイド情報が、レガシーＳＢＲサイド情報１１００に加えられる。このことは、摩擦音を含む歯擦音、破裂音または母音等の音声について高周波数成分をより正確に再生するのに役立つ。こうして、図１１に示す手順は、ＳＢＲまたはＢＷＥ（帯域幅拡張）パラメータのデコーダ側での適応を行うため、付加的に送信される選択サイド情報１１４が、デコーダ側（音素）の分類を支持するという利点がある。したがって、図１０とは対照的に、図１１の実施の形態は、選択サイド情報に加えて、レガシーＳＢＲサイド情報も提供する。

図８は、符号化された入力信号の典型的な表示である。符号化された入力信号は、後続のフレーム８００、８０６および８１２からなる。各フレームが、符号化されたコア信号を有する。典型的には、フレーム８００は、符号化されたコア信号として音声を有する。フレーム８０６は、符号化されたコア信号として音楽を有し、フレーム８１２も符号化されたコア信号として音声を有する。フレーム８００は、典型的にはサイド情報として選択サイド情報のみを有し、ＳＢＲサイド情報は有していない。このように、フレーム８００は、図９または図１０に対応する。典型的には、フレーム８０６は、ＳＢＲ情報を含むが選択サイド情報は含まない。さらに、フレーム８１２は符号化された音声信号を含み、フレーム８００とは対照的に、フレーム８１２は選択サイド情報は含まない。これは、特徴抽出／統計モデルプロセスにおいて、曖昧さがエンコーダ側では見つかっていないため、選択サイド情報が不要なためである。

次に、図５を説明する。発明の帯域幅もしくは周波数拡張技術かまたは他の帯域幅拡張技術のどちらを採用すべきか決定するために、コア信号に作用するボイスアクティビティ検知部または音声／非音声検知部５００を採用する。このように、ボイスアクティビティ検知部または音声／非音声検知部が声または音声を検知する場合、５１１で示す第１の帯域幅拡張技術ＢＷＥＸＴ．1が使用され、これはたとえば図１、図９、図１０および図１１で説明したように作用する。こうして、入力５１２からパラメータ生成部からのパラメータが取り込まれ、スイッチ５０４がこれらのパラメータをブロック５１１へ接続するような態様で、スイッチ５０２および５０４が設定される。しかしながら、音声信号は全く示さないけれども、たとえば音楽の信号を示す状況が検知部５００により検知される場合、ビットストリームからの帯域幅拡張パラメータ５１４は、他の帯域幅拡張技術手順５１３に入力されることが好ましい。このように、検知部５００は、発明の帯域幅拡張技術５１１を採用すべきか否かを決定する。非音声信号については、コーダが、非特許文献６および８に記載されているように、ブロック５１３により示される他の帯域幅拡張に切り替えることができる。したがって、図５の信号推定部１１８は、検知部５００が非ボイスアクティビティまたは非音声信号を検知した場合、異なる帯域幅拡張手順へ切り替え、かつ／または符号化した信号から抽出した異なるパラメータを使用するよう構成される。この異なる帯域幅拡張技術５１３については、選択側情報がビットストリーム内に存在していないほうが好ましく、かつ入力５１４へのスイッチ５０２をオフに設定することで、図５に記号で示すように使用されない。

図６は、パラメータ生成部１０８のもう１つの実現例を示す。パラメータ生成部１０８は、第１の統計モデル６００および第２の統計モデル６０２等の複数の統計モデルを有することが好ましい。さらに、正しいパラメータ表示の選択肢を提供するように、選択サイド情報により制御されるセレクタ６０４が設けられる。どの統計モデルが有効かは、その入力でコア信号、すなわち特徴抽出部１０４に入力されるものと同じ信号を受信する付加的な信号分類部６０６により制御される。こうして、図１０または他の図面においても、統計モデルは、符号化された成分とともに変化し得る。音声の場合、音声生成源モデルを表す統計モデルを採用する一方、たとえば信号分類部６０６により分類される音楽信号等の他の信号については、大きな音楽データセットに対してトレーニング済みの異なるモデルを使用する。他の統計モデルは、さらに異なる言語等について有用である。

上述のとおり、図７は、統計モデル６００等の統計モデルにより得られた複数の選択肢を示す。したがって、たとえば異なる選択肢について、ブロック６００の出力は、平行な線６０５に示すとおりである。同様に、第２の統計モデル６０２も、線６０６に示すような選択肢について等、複数の選択肢を出力することもできる。特定の統計モデルによっては、特徴抽出部１０４に関して大変高い確率を有する選択肢のみを出力することが好ましい。こうして、特徴に応じて、統計モデルは複数の選択できるパラメータ表示を提供し、各選択できるパラメータ表示は、他の異なる選択できるパラメータ表示の確率と等しい確率を有するか、他の選択できるパラメータ表示の確率と相違しても差は１０％未満である。このように、実施の形態においては、最も確率が高いパラメータ表示、およびすべて確率が最高に一致する選択肢から確率が１０％下回るだけのいくつかの他の選択できるパラメータ表示のみが出力される。

図１２は、符号化された信号１２１２を生成するためのエンコーダを示す。エンコーダは、オリジナル信号１２０６を符号化して、オリジナル信号１２０６に比べて少ない周波数帯域に関する情報を有する符号化されたコアオーディオ信号１２０８を得るためのコアエンコーダ１２００を含む。さらに、選択サイド情報１２１０（ＳＳＩ - selection side information）を生成するための選択サイド情報生成部１２０２が設けられる。選択サイド情報１２１０は、オリジナル信号１２０６、符号化されたオーディオ信号１２０８または符号化されたオーディオ信号を復号化したものから抽出した特徴に応じて、統計モデルにより提供された定義されたパラメータ表示の選択肢を表示する。さらに、エンコーダは、符号化された信号１２１２を出力するための出力インターフェース１２０４を含む。符号化された信号１２１２は、符号化されたオーディオ信号１２０８および選択サイド情報１２１０を含む。選択サイド情報生成部１２０２は、図１３に示すとおり実現されることが好ましい。このため、選択サイド情報生成部１２０２は、コアデコーダ１３００を含む。ブロック１３００が出力する復号化されたコア信号に対して動作する特徴抽出部１３０２が設けられる。特徴は、ブロック１３００により出力される復号化されたコア信号により定義されない周波数拡張された信号のスペクトル域を推定するためのいくつかのパラメータ表示選択肢を発生するための統計モデル処理部１３０４に入力される。これらのパラメータ表示の選択肢１３０５はすべて、周波数拡張されたオーディオ信号１３０７を推定するための信号推定部１３０６に入力される。その後、これらの推定された周波数拡張されたオーディオ信号１３０７は、図１２のオリジナル信号１２０６に周波数拡張されたオーディオ信号１３０７を比較するための比較部１３０８へ入力される。選択サイド情報生成部１２０２は、選択サイド情報が、最適化基準の下、オリジナル信号に最も一致する周波数拡張されたオーディオ信号を生じさせるパラメータ表示の選択肢を一意的に定義するように、選択サイド情報１２１０を設定するよう構成される。最適化基準は、ＭＭＳＥ（最小平均二乗誤差）に基づく基準、すなわちサンプルに関する差を最小にする基準でよく、好ましくは知覚されるひずみを最小化する心理音響学的基準かまたは当業者に既知の他の最適化基準でよい。

図１３は、閉ループまたは合成による分析の手順を示し、一方、図１４は、開ループ手順より類似する選択サイド情報１２０２の他の実現例を示す。図１４の実施の形態において、オリジナル信号１２０６は、オリジナルオーディオ信号のサンプルのシーケンスのための音響情報（アノテーション等）のシーケンスを記述する選択サイド情報生成部１２０２のための関連するメタ情報を含む。この実施の形態において、選択サイド情報生成部１２０２は、メタ情報のシーケンスを抽出するためのメタデータ抽出部１４００、および付加的にメタ情報のシーケンスを、オリジナルオーディオ信号に関連する選択サイド情報１２１０のシーケンスに変換するためにデコーダ側で使用する、統計モデルに関する知識を一般に有するメタデータ変換部を含む。メタデータ抽出部１４００により抽出されたメタデータは、エンコーダにおいて破棄され、符号化された信号１２１２では送信されない。その代り、選択サイド情報１２１０は、異なる周波数成分および一般に最終的に生成される復号化された信号またはオリジナル信号１２０６に比べてより小さい周波数成分を有するコアエンコーダにより生成される符号化されたオーディオ信号１２０８とともに、符号化された信号で送信される。

選択サイド情報生成部１２０２により生成される選択サイド情報１２１０は、上記の図面に関連して説明した特徴のいずれかを有し得る。

本発明について、ブロックが実際のまたは論理ハードウェア要素を表すブロック図に関連して説明したが、本発明はコンピュータを利用する方法によっても実現可能である。後者の場合、ブロックは、対応の方法ステップを表し、これらのステップが対応の論理または物理ハードウェアブロックにより実行される機能性を表す。

装置に関連していくつかの局面について説明したが、これらの局面が対応の方法の説明をも表すことも明らかで、ブロックまたは装置が方法ステップまたは方法ステップの特徴に対応する。同様に、方法ステップに関連して説明した局面が、対応のブロックもしくはアイテムまたは対応の装置の説明にも相当する。方法ステップの一部または全部を、マイクロプロセッサ、プログラマブルコンピュータまたは電子回路等のハードウェア装置により（またはこれを使用して）実行することができる。いくつかの実施の形態においては、最も重要な方法ステップの１つ以上をこのような装置で実行することができる。

発明の送信または符号化された信号を、デジタル記憶媒体に記憶するかまたはインターネット等の無線送信媒体もしくは有線送信媒体等の送信媒体で送信することができる。

特定の実施要件によっては、本発明の実施の形態をハードウェアまたはソフトウェアにおいて実現することができる。フロッピーディスク、ＤＶＤ、ブルーレイ、ＣＤ、ＲＯＭ、ＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭまたはフラッシュメモリ等、それぞれの方法が実行されるようにプラグラマブルコンピュータシステムと協働する（または協働可能な）電子的に可読な制御信号を記憶したデジタル記憶媒体を用いて実現することができる。したがって、デジタル記憶媒体はコンピュータ可読である。

本発明のいくつかの実施の形態は、ここに記載の方法の１つが実行されるようにプログラマブルコンピュータシステムと協働可能な電子的に可読な制御信号を有するデータキャリアを含む。

本発明の実施の形態は、一般に、プログラムコードを有するコンピュータプログラム製品として実現することが可能で、このプログラムコードは、コンピュータプログラム製品がコンピュータで実行されると、方法の１つを実行するよう動作する。このプログラムコードは、たとえば機械可読なキャリアに記憶してもよい。

他の実施の形態は、機械可読なキャリアに記憶されたここに記載の方法の１つを実行するためのコンピュータプログラムを含む。

したがって、言い換えれば、本発明の方法の実施の形態は、コンピュータで実行されると、ここに記載の方法の１つを実行するためのプログラムコードを有するコンピュータプログラムである。

したがって、本発明の方法のさらに他の実施の形態は、ここに記載の方法の１つを実行するためのコンピュータプログラムを記録して含むデータキャリア（デジタル記憶媒体等の非一時的記憶媒体またはコンピュータ可読媒体）である。このデータキャリア、デジタル記憶媒体または記録された媒体は、典型的には有形かつ／または非一時的である。

したがって、本発明の方法のさらに他の実施の形態は、ここに記載の方法の１つを実行するためのコンピュータプログラムを表すデータストリームまたは信号のシーケンスである。このデータストリームまたは信号のシーケンスは、たとえば、インターネット等のデータ通信接続を経由して転送されるよう構成され得る。

さらに他の実施の形態は、たとえば、ここに記載の方法の１つを実行するよう構成または適合されたコンピュータまたはプログラマブル論理装置等の処理手段を含む。

さらに他の実施の形態は、ここに記載の方法の１つを実行するためのコンピュータプログラムがインストールされたコンピュータを含む。

本発明のさらに他の実施の形態は、ここに記載の方法の１つを実行するためのコンピュータプログラムを受信部に（たとえば電子的または光学的に）転送するよう構成される装置またはシステムを含む。この受信部は、たとえばコンピュータ、携帯装置、メモリ装置等が可能である。装置またはシステムは、たとえば受信部にコンピュータプログラムを転送するためのファイルサーバを含み得る。

いくつかの実施の形態において、プログラマブル論理装置（フィールドプログラマブルゲートアレイ等）を使用して、ここに記載の方法の機能性の一部または全部を実行することができる。いくつかの実施の形態において、フィールドプログラマブルゲートアレイは、ここに記載の方法の１つを実行するために、マイクロプロセッサと協働し得る。一般的には、これらの方法は、なんらかのハードウェア装置により実行されることが好ましい。

上記の実施の形態は、本発明の原理を説明するための例示に過ぎない。当然ながら、ここに記載の構成および詳細に対する変更および変形が、当業者には明らかになるであろう。したがって、発明は、添付の特許請求の範囲によってのみ限定され、本明細書において、説明目的で提示した特定の詳細および実施の形態の説明により限定されないことを意図する。

Claims (15)

1. 周波数拡張されたオーディオ信号（１２０）を生成するためのデコーダであって、
   コア信号（１００）から特徴（１１２）を抽出するための特徴抽出部（１０４）と、
   コア信号に関連する選択サイド情報（７１２，７１４，７１６，７１８）を抽出するためのサイド情報抽出部（１１０）と、
   コア信号（１００）により定義されない周波数拡張されたオーディオ信号（１２０）のスペクトル域を推定するためのパラメータ表示を生成するためのパラメータ生成部（１０８）であって、前記パラメータ生成部（１０８）は、特徴（１１２）に応じていくつかのパラメータ表示の選択肢（７０２、７０４、７０６、７０８）を提供するよう構成され、前記パラメータ生成部（１０８）は、選択サイド情報（７１２，７１４，７１６，７１８）に応じて、パラメータ表示として、パラメータ表示の選択肢のうちの１つを選択するよう構成されるパラメータ生成部（１０８）と、
   選択されたパラメータ表示を使用して、周波数拡張されたオーディオ信号（１２０）を推定するための信号推定部（１１８）とを備え、
   前記パラメータ生成部（１０８）は、コア信号（１００）と関連するパラメータ周波数拡張情報（１１００）を受信するよう構成され、パラメータ周波数拡張情報は、個別のパラメータのグループを含み、
   前記パラメータ生成部（１０８）は、パラメータ周波数拡張情報に加えて、選択されたパラメータ表示を提供するよう構成され、
   選択されたパラメータ表示は、個別のパラメータのグループに含まれていないパラメータ、または個別のパラメータのグループにおいてパラメータを変更するためのパラメータ変更値を含み、
   前記信号推定部（１１８）は、選択されたパラメータ表示およびパラメータ周波数拡張情報（１１００）を使用して、周波数拡張されたオーディオ信号を推定するよう構成される、デコーダ。
2. 符号化されたコア信号（２０１）および選択サイド情報（７１２，７１４，７１６，７１８）を含む符号化された入力信号（２００）を受信するための入力インターフェース（１１０）と、
   コア信号（１００）を取得するために符号化されたコア信号を復号化するためのコアデコーダ（１２４）と、
   をさらに備える、請求項１に記載のデコーダ。
3. 前記パラメータ生成部（１０８）は、パラメータ表示の選択肢の１つを選択する場合に、パラメータ表示の選択肢の予め定義された順序またはパラメータ表示の選択肢のエンコーダ信号発信の順序を使用するよう構成される、請求項１または請求項２に記載のデコーダ。
4. 前記パラメータ生成部（１０８）は、パラメータ表示として、包絡表示を提供するよう構成され、
   前記選択サイド情報（７１２，７１４，７１６，７１８）は、複数の異なる歯擦音または摩擦音の１つを示し、
   前記パラメータ生成部（１０８）は、前記選択サイド情報（７１２，７１４，７１６，７１８）により特定される包絡表示を提供するよう構成される、請求項１から請求項３のいずれか１項に記載のデコーダ。
5. 前記信号推定部（１１８）は、コア信号（１００）を補間するための補間部（９００）を含み、
   前記特徴抽出部（１０４）は、補間されていないコア信号（１００）から特徴（１１２）を抽出するよう構成される、請求項１から請求項４のいずれか１項に記載のデコーダ。
6. 前記信号推定部（１１８）は、
   励起信号を取得するため、コア信号または補間されたコア信号を分析するための分析フィルタ（９１０）と、
   コア信号（１００）に含まれないスペクトル域を有する拡張された励起信号を生成するための励起拡張ブロック（９１２）と、
   拡張された励起信号をフィルタリングするための合成フィルタ（９１４）と、
   を含み、
   前記分析フィルタ（９１０）または前記合成フィルタ（９１４）は、選択されたパラメータ表示により決定される、請求項１から請求項５のいずれか１項に記載のデコーダ。
7. 前記信号推定部（１１８）は、少なくともコア信号のスペクトル帯域およびパラメータ表示を使用して、コア信号に含まれないスペクトル域に対応する拡張されたスペクトル帯域を生成するためのスぺクトル帯域幅拡張処理部を含み、
   パラメータ表示は、スペクトル包絡調節（１０６０）、ノイズフロア付加（１０２０）、逆フィルタリング（１０４０）および失われた音の付加（１０８０）のうちの１以上のためのパラメータを含み、
   前記パラメータ生成部は、ひとつの特徴（１１２）について、複数のパラメータ表示の選択肢を提供するよう構成され、各パラメータ表示の選択肢が、スペクトル包絡調節（１０６０）、ノイズフロア付加（１０２０）、逆フィルタリング（１０４０）および失われた音の付加（１０８０）のうちの１以上のためのパラメータを有する、請求項１から請求項６のいずれか１項に記載のデコーダ。
8. ボイスアクティビティ検知部または音声／非音声検知部（５００）をさらに備え、
   前記信号推定部（１１８）は、前記ボイスアクティビティ検知部または音声／非音声検知部（５００）がボイスアクティビティまたは音声信号を示す場合にのみ、パラメータ表示を用いて周波数拡張された信号を推定するよう構成される、請求項１から請求項７のいずれか１項に記載のデコーダ。
9. 前記ボイスアクティビティ検知部または音声／非音声検知部（５００）が非音声信号またはボイスアクティビティを有していない信号を示す場合、前記信号推定部（１１８）は、ある周波数拡張手順（５１１）から異なる周波数拡張手順（５１３）へ切り替わる（５０２、５０４）か、または符号化された信号から抽出した異なるパラメータ（５１４）を使用するよう構成される、請求項８に記載のデコーダ。
10. コア信号（１００）のフレームを分類する信号分類部（６０６）をさらに備え、
    前記パラメータ生成部（１０８）は、信号フレームが信号の第１のクラスに属すると分類される場合、第１の統計モデル（６００）を使用し、フレームが第２の異なる信号のクラスに分類される場合、第２の異なる統計モデル（６０２）を使用するよう構成され、
    第１または第２の統計モデルは、特徴（１１２）に応じて、複数の選択可能なパラメータ表示（７０２から７０８）を提供するよう構成され、
    各選択可能なパラメータ表示は、異なる選択可能なパラメータ表示の確率に等しい確率、または最高の確率を有する最高に一致する選択可能なパラメータ表示の確率よりも１０％だけ下回る確率を有する、請求項１から請求項９のいずれか１項に記載のデコーダ。
11. 前記パラメータ生成部（１０８）が複数のパラメータ表示の選択肢を提供する場合、選択サイド情報（７１２，７１４，７１６，７１８）が符号化された信号のフレーム（８００）にのみ含まれ、
    前記パラメータ生成部（１０８）が特徴（１１２）に応じて単一のパラメータ表示の選択肢のみを提供する場合、選択サイド情報（７１２，７１４，７１６，７１８）は、符号化されたオーディオ信号の異なるフレーム（８１２）には含まれない、請求項１から請求項１０のいずれか１項に記載のデコーダ。
12. 符号化された信号（１２１２）を生成するためのエンコーダであって、
    オリジナル信号（１２０６）と比べて少ない数の周波数帯域に関する情報を有する符号化されたオーディオ信号（１２０８）を取得するために、オリジナル信号（１２０６）を符号化するためのコアエンコーダ（１２００）を含み、前記オリジナル信号は、オリジナル信号のサンプルのシーケンスについて音響情報のシーケンスを表わす関連のメタ情報を含み、
    前記エンコーダは、
    デコーダ側で使用される統計モデルにより提供される定義されたパラメータ表示の選択肢（７０２から７０８）を示す選択サイド情報（１２１０）のシーケンスを生成するための選択サイド情報生成部（１２０２）を更に含み、
    前記選択サイド情報生成部（１２０２）は、
    前記オリジナル信号から関連のメタ情報のシーケンスを抽出するためのメタデータ抽出部（１４００）と、
    関連のメタ情報のシーケンスを選択サイド情報（１２１０）のシーケンスに変換するためのメタデータ変換部（１４０２）とを含み、
    前記メタデータ変換部（１４０２）は、統計モデルに関する知識を有し、
    前記エンコーダは、
    符号化された信号（１２１２）を出力するための出力インタフェース（１２０４）を更に備え、符号化された信号は、符号化されたオーディオ信号（１２０８）および選択サイド情報（１２１０）のシーケンスを含む、エンコーダ。
13. 周波数拡張されたオーディオ信号（１２０）を生成するための方法であって、
    コア信号（１００）から特徴（１１２）を抽出するステップ（１０４）と、
    コア信号と関連する選択サイド情報（７１２，７１４，７１６，７１８）を抽出するステップ（１１０）と、
    コア信号（１００）により定義されない周波数拡張されたオーディオ信号（１２０）のスペクトル域を推定するためのパラメータ表示を生成するステップ（１０８）であって、いくつかのパラメータ表示の選択肢（７０２、７０４、７０６、７０８）が特徴（１１２）に応じて提供され、選択サイド情報（７１２，７１４，７１６，７１８）に応じて、パラメータ表示の選択肢のうちの１つがパラメータ表示として選択される、ステップ（１０８）と、
    選択されたパラメータ表示を使用して、周波数拡張されたオーディオ信号（１２０）を推定するステップ（１１８）とを含み、
    前記パラメータ表示を生成するステップ（１０８）は、コア信号（１００）と関連するパラメータ周波数拡張情報（１１００）を受信し、パラメータ周波数拡張情報は、個別のパラメータのグループを含み、
    前記パラメータ表示を生成するステップ（１０８）は、パラメータ周波数拡張情報に加えて、選択されたパラメータ表示を提供し、
    選択されたパラメータ表示は、個別のパラメータのグループに含まれていないパラメータ、または個別のパラメータのグループにおいてパラメータを変更するためのパラメータ変更値を含み、
    前記推定するステップ（１１８）は、選択されたパラメータ表示およびパラメータ周波数拡張情報（１１００）を使用して、周波数拡張されたオーディオ信号を推定する、方法。
14. 符号化された信号（１２１２）を生成する方法であって、
    オリジナル信号（１２０６）に比べて少ない数の周波数帯域に関する情報を有する符号化されたオーディオ信号（１２０８）を取得するために、オリジナル信号（１２０６）を符号化するステップ（１２００）を含み、前記オリジナル信号は、オリジナル信号のサンプルのシーケンスについて音響情報のシーケンスを表わす関連のメタ情報を含み、
    前記方法は、
    デコーダ側で使用される統計モデルにより提供される定義されたパラメータ表示の選択肢（７０２から７０８）を示す選択サイド情報（１２１０）のシーケンスを生成するステップ（１２０２）を更に備え、
    前記選択サイド情報（１２１０）のシーケンスを生成するステップ（１２０２）は、
    前記オリジナル信号から関連のメタ情報のシーケンスを抽出するステップ（１４００）と、
    統計モデルに関する知識を使用して関連のメタ情報のシーケンスを選択サイド情報（１２１０）のシーケンスに変換するステップ（１４０２）とを含み、
    前記方法は、
    符号化されたオーディオ信号（１２０８）および選択サイド情報（１２１０）のシーケンスを含む符号化された信号（１２１２）を出力するステップ（１２０４）を更に含む、方法。
15. コンピュータまたはプロセッサで実行されるときに、請求項１３または１４の方法を実行するためのコンピュータプログラムが記録されたコンピュータ読み取り可能な媒体。

Images