<4D F736F F D F89B990BA95848D8689BB8E6292E895FB8EAE88C48DC58F4995F18D C4816A BC2E646F63>

Transcription

1 2008 年 6 月 16 日 音 声 符 号 化 方 式 作 業 班 高 度 衛 星 デジタル 放 送 音 声 符 号 化 方 式 報 告 書 案 ( 技 術 的 条 件 ) 1

2 1. 暫 定 方 式 の 概 要 項 目 内 容 音 声 入 力 信 号 最 大 入 力 音 声 チャンネル 数 入 力 サンプリング 周 波 数 量 子 化 ビット 数 音 声 モード 22.2 チャンネル(1 ストリームあたり) 48kHz ビット モノラル ステレオ マルチチャンネルステレオ (0-3/0/0-0.0 (3.0), 0-2/0/1-0.0 (3.0), 0-3/0/1-0.0 (4.0), 0-2/0/2-0.0 (4.0), 0-3/0/2-0.0 (5.0), 0-3/0/2-0.1 (5.1), 0-3/0/3-0.1 (6.1), 2/0/0-2/0/2-0.1 (6.1), 0-5/0/2-0.1 (7.1), 0-3/2/2-0.1 (7.1), 2/0/0-3/0/2-0.1 (7.1), 0/2/0-3/0/2-0.1 (7.1), 2/0/0-3/2/3-0.2 (10.2), 3/3/3-5/2/3-3/0/0.2 (22.2)) ( 注 ) 2 音 声 (デュアルモノラル) 音 声 符 号 化 方 式 ( 基 本 サービス 用 ) 符 号 化 方 式 符 号 化 パラメータ 音 声 符 号 化 方 式 ( 非 圧 縮 ロスレス 高 音 質 サービス 用 ) 下 線 を 引 いたモードが 推 奨 音 声 モード ( 注 )マルチチャンネルステレオの 音 声 モード 表 記 法 として チャンネル 数 を 次 のように 表 す 上 層 中 層 下 層.LFE 割 り 当 てチャンネルがない 層 は0 とし 割 り 当 てチャンネルがある 層 のチャン ネル 数 を 次 のように 表 す フロント/サイド/バック なお 括 弧 内 は 従 来 の 表 記 MPEG-2 AAC LC プロファイル AAC+SBR(Spectral Band Replication)の 使 用 も 可 能 既 存 方 式 に 順 ずる ただし 音 声 入 力 信 号 の 拡 張 に 伴 うパラメータの 拡 張 を 実 施 符 号 化 方 式 ( 非 圧 縮 符 号 化 ) リニア PCM 音 声 符 号 化 符 号 化 方 式 (ロスレス 符 号 化 ) MPEG-4 ALS( 放 送 応 用 に 適 したサブセット 化 検 討 中 ) 最 大 音 声 入 力 チャンネル 数 5.1 チャンネル 2

3 2. 音 声 入 力 信 号 (1) 最 大 入 力 音 声 チャンネル 数 最 大 入 力 音 声 チャンネル 数 は 22 チャンネル 及 び 低 域 を 強 調 する 2 チャンネル( 以 下 22.2 チャンネル)とする (2) 入 力 サンプリング 周 波 数 48kHz とする (3) 入 力 量 子 化 ビット 数 ビットとする (4) 音 声 モード 音 声 モードは 以 下 の 通 りとする *モノラル *ステレオ *マルチチャンネルステレオ ( 注 ) 0-3/0/0-0.0 (3.0), 0-2/0/1-0.0 (3.0), 0-3/0/1-0.0 (4.0), 0-2/0/2-0.0 (4.0), 0-3/0/2-0.0 (5.0), 0-3/0/2-0.1 (5.1), 0-3/0/3-0.1 (6.1), 2/0/0-2/0/2-0.1 (6.1), 0-5/0/2-0.1 (7.1), 0-3/2/2-0.1 (7.1), 2/0/0-3/0/2-0.1 (7.1), 0/2/0-3/0/2-0.1 (7.1), 2/0/0-3/2/3-0.2 (10.2), 3/3/3-5/2/3-3/0/0.2 (22.2) *2 音 声 (デュアルモノラル) 下 線 は 推 奨 音 声 モードを 示 す ( 注 )マルチチャンネルステレオの 音 声 モード 表 記 法 として チャンネル 数 を 次 のように 表 す 上 層 中 層 下 層.LFE 割 り 当 てチャンネルがない 層 は0 とし 割 り 当 てチャンネルがある 層 のチャンネル 数 を 次 のように 表 す フロント/サイド/バック なお 括 弧 内 は 従 来 の 表 記 ( 理 由 ) 最 大 入 力 音 声 チャンネル 数 22.2 チャンネルは HDTV を 超 える 高 精 細 度 映 像 サー ビス(UHDTV:SMPTE )に 対 応 した 音 場 空 間 として 位 置 付 けられており 高 度 衛 星 デジタル 放 送 の 音 声 入 力 フォーマットとしてふさわしいと 考 えられる 現 行 のデジタル 放 送 でもサンプリング 周 波 数 32kHz と 44.1kHz は 使 用 されておら ず 利 用 ケースを 考 慮 して サンプリング 周 波 数 は 48kHz のみとした ( 留 意 すべき 事 項 ) 非 圧 縮 ロスレス 高 音 質 サービス 用 符 号 化 方 式 のサンプリング 周 波 数 として 高 音 質 化 を 考 慮 した 96kHz 採 用 に 向 けた 検 討 が 行 われている 3

4 4

5 3. 音 声 符 号 化 方 式 3.1. 音 声 符 号 化 方 式 ( 基 本 サービス 用 ) (1) 準 拠 規 格 MPEG-2 AAC 方 式 (ISO/IEC )LC プロファイルとする AAC+SBR(Spectral Band Replication) 方 式 ( 符 号 化 サンプリング 周 波 数 は 入 力 サンプリング 周 波 数 の 半 分 )の 使 用 も 可 能 とする (2) 符 号 化 における 制 約 条 件 最 大 音 声 符 号 化 チャンネル 数 :22.2 チャンネルとする ( 理 由 ) MPEG-2 AAC 方 式 は 既 存 のデジタル 放 送 の 音 声 符 号 化 方 式 として 実 績 があり 最 大 22.2 チャンネルの 音 声 入 力 にも 対 応 可 能 と 考 えられる MPEG-2 AAC+SBR 方 式 も 既 存 のデジタル 放 送 での 比 較 的 低 ビットレート 応 用 における 音 声 符 号 化 方 式 として 実 績 があり マルチリンガル 音 声 サービス 等 の 用 途 において 有 用 性 があると 考 えられる 3.2. 音 声 符 号 化 方 式 ( 非 圧 縮 ロスレス 高 音 質 サービス 用 ) (1) 準 拠 規 格 (ア) 非 圧 縮 符 号 化 方 式 リニア PCM 音 声 符 号 化 方 式 とする リニア PCM 音 声 信 号 (AES3 データ)の 伝 送 には SMPTE302M に 準 拠 し た PES 伝 送 方 式 を 用 いる (PES 伝 送 方 式 については 参 考 5.1 参 照 ) AES3 のユーザビット(192 ビット)を 用 いて 音 声 モード 識 別 ダウンミ ックス 係 数 等 の 音 声 関 連 メタ 情 報 を 伝 送 する (イ) ロスレス 符 号 化 方 式 MPEG-4(ISO/IEC )ALS 方 式 を 候 補 とする ただし MPEG-4 ALS 方 式 について 放 送 応 用 に 適 したサブセット 化 ( 符 号 化 ツールおよびパラメータの 制 約 )を 行 う ( 詳 細 検 討 中 ) パラメータ 記 述 部 (ALSSpecificConfig)の AUX 領 域 を 用 いて 音 声 モード 識 別 ダウンミックス 係 数 等 の 音 声 関 連 メタ 情 報 を 伝 送 する (2) 符 号 化 における 制 約 条 件 最 大 音 声 符 号 化 チャンネル 数 :5.1 チャンネルとする 5

6 サンプリング 周 波 数 : 96kHz の 追 加 を 検 討 する ( 詳 細 検 討 中 ) ( 理 由 ) 非 圧 縮 音 声 符 号 化 であるリニア PCM 音 声 符 号 化 方 式 は 非 圧 縮 ロスレス 高 音 質 音 声 サービスの 実 現 が 可 能 であり 高 度 衛 星 デジタル 放 送 の 音 声 符 号 化 方 式 の 1 つとしてふさわしいと 考 えられる ロスレス 音 声 符 号 化 である MPEG-4 ALS 方 式 は MPEG 国 際 標 準 であり 高 能 率 な 符 号 化 を 実 現 しつつ 非 圧 縮 ロスレス 高 音 質 音 声 サービスの 実 現 が 可 能 である そのため リニア PCM 音 声 符 号 化 方 式 と 同 様 高 度 衛 星 デジタル 放 送 の 音 声 符 号 化 の 1 つとしてふさわしいと 考 えられる ただし MPEG-4 ALS の 最 終 的 な 採 用 にあたっては 放 送 応 用 に 適 したサブセット 化 の 検 討 が 必 要 である リニア PCM 音 声 符 号 化 方 式 については リニア PCM 音 声 信 号 を AES-3 データ として 格 納 し SMPTE302M に 準 拠 した PES 伝 送 を 行 う 技 術 的 実 現 性 を 机 上 で 確 認 したほか 実 証 実 験 を 通 じてその 有 効 性 を 確 認 した MPEG-4 ALS 方 式 については 技 術 的 実 現 性 を 机 上 で 確 認 した また ALS スト リームを 含 む MPEG-2 TS 生 成 実 験 により TS 化 の 実 現 性 を 確 認 した 非 圧 縮 ロスレス 高 音 質 サービス 用 符 号 化 方 式 においては 高 音 質 化 を 考 慮 し サンプリング 周 波 数 96kHz の 追 加 を 検 討 する ただし 96kHz の 最 終 的 な 採 用 に あたっては 周 波 数 有 効 利 用 の 観 点 を 考 慮 し 適 用 可 能 な 運 用 の 制 約 条 件 など 詳 細 の 検 討 が 必 要 である ( 留 意 すべき 事 項 ) これまでデジタル 放 送 の 映 像 音 声 の 符 号 化 に 関 しては 周 波 数 有 効 利 用 の 観 点 から 効 率 的 な 伝 送 技 術 の 一 つとして 圧 縮 符 号 化 方 式 の 導 入 が 図 られてきた 周 波 数 有 効 利 用 の 観 点 は 今 回 の 衛 星 デジタル 放 送 高 度 化 においても 同 様 であり こ れを 受 けて 低 ビットレートかつ 高 音 質 な 符 号 化 方 式 であること が 音 声 符 号 化 方 式 の 要 求 条 件 として 求 められている 非 圧 縮 ロスレス 高 音 質 サービス は 原 音 を 全 く 劣 化 なく 放 送 するサービスを 想 定 しているため このサービスを 実 現 する 音 声 符 号 化 方 式 として いわゆる 高 能 率 圧 縮 符 号 化 とは 異 なる 概 念 の 符 号 化 方 式 すなわち 非 圧 縮 音 声 符 号 化 ロス レス 音 声 符 号 化 を 選 定 したところである そのため 周 波 数 有 効 利 用 に 関 する 上 記 の 要 求 条 件 との 整 合 性 において これまでに 無 い 大 きな 伝 送 容 量 を 要 し 効 率 的 な 伝 送 の 点 で 課 題 があることを 認 識 する 必 要 がある 特 に 非 圧 縮 音 声 符 号 化 であるリニア PCM においては 音 声 信 号 のベースバンド でのビットレート( 例 えば 5.1ch 48kHz 24bit の 場 合 約 6.9Mbps)を 固 定 的 に 伝 送 路 として 割 り 当 てる 必 要 がある 6

7 ロスレス( 圧 縮 ) 音 声 符 号 化 である MPEG-4 ALS は 音 源 によりその 程 度 は 異 なる ものの 一 般 にリニア PCM に 比 べれば 一 定 の 周 波 数 有 効 利 用 に 資 すると 考 えられ る ただし そのビットレートは 基 本 的 に 音 源 に 依 存 することから サービス 運 用 上 の 柔 軟 性 については リニア PCM 同 様 の 課 題 がある また トータルでの 周 波 数 有 効 利 用 に 寄 与 するためには 音 声 を 優 先 した 映 像 データとの 統 合 的 ビッ トレート 制 御 技 術 が 必 要 である このような 技 術 はまだ 基 本 的 なシミュレーショ ン 検 討 が 始 まった 段 階 にあり 今 後 実 用 的 に 使 用 可 能 な 機 器 開 発 など さらなる 総 合 的 技 術 検 討 が 必 要 である 7

8 4. 解 説 高 度 衛 星 デジタル 放 送 高 度 化 に 伴 う 音 声 符 号 化 方 式 の 暫 定 方 式 案 を 策 定 するにあた り その 背 景 として 想 定 される 利 用 ケース 検 討 の 経 緯 ( 方 式 採 否 の 理 由 等 )を 以 下 に 示 す また 暫 定 方 式 を 採 用 するにあたっての 今 後 の 課 題 も 紹 介 する 4.1 想 定 利 用 ケース 既 存 のデジタル 放 送 で 実 現 されている 音 声 サービス(MPEG-2 AAC LC プロファイルを 使 用 )に 加 えて 以 下 の 利 用 ケースを 想 定 し 暫 定 方 式 の 策 定 を 行 った (1) UHDTV に 対 応 した 高 臨 場 感 音 声 サービス HDTV を 超 える 高 精 細 度 映 像 サービス いわゆる UHDTV に 対 応 する 音 場 空 間 と して 最 大 22.2 チャンネルの 音 声 入 力 フォーマットを 提 案 受 信 した 22.2 チャンネル 音 声 を 家 庭 での 様 々な 再 生 環 境 に 応 じて 柔 軟 な 処 理 を 行 うことで 3 次 元 音 再 生 が 可 能 になる 本 サービスに 伴 う 想 定 ビットレート: 1.60Mbps 程 度 (22.2ch の 場 合 ) 72kbpsx22ch+10kbpsx2ch(LFE)で 算 出 (2) 非 圧 縮 ロスレス 高 品 質 音 声 サービス 現 行 の BS デジタル 放 送 及 び 広 帯 域 CS デジタル 放 送 と 同 等 又 はそれ 以 上 の 音 質 が 望 まれることを 考 慮 し MPEG-2 AAC 圧 縮 符 号 化 による 音 声 品 質 を 超 える 最 高 音 質 サービスを 実 現 するため 非 圧 縮 およびロスレス 音 声 符 号 化 を 提 案 音 声 チャ ンネル 数 は 最 大 5.1 チャンネル 非 圧 縮 ロスレス 高 音 質 音 声 サービスとして 新 たな 音 質 表 示 の 割 り 当 てを 提 案 本 サービスに 伴 う 想 定 ビットレート: < 非 圧 縮 音 声 符 号 化 > 1.53Mbps(2ch サンプリング 周 波 数 :48kHz 量 子 化 ビット 数 :16bit の 場 合 ) 最 大 6.9Mbps(5.1ch サンプリング 周 波 数 :48kHz 量 子 化 ビット 数 :24bit の 場 合 ) <ロスレス 音 声 符 号 化 > 音 源 によりビットレートは 変 動 するが 一 般 的 に 非 圧 縮 音 声 符 号 化 に 比 べて 少 ないビットレートでのサービスが 可 能 (3) マルチリンガル 音 声 サービス マルチリンガル 音 声 サービスなど 1 サービスあたりの 音 声 ストリーム 数 が 増 え るサービスを 想 定 し 比 較 的 低 ビットレート( 概 ね 64kbps/ステレオ 以 下 )にお 8

9 いて 有 効 と 考 えられる AAC+SBR 方 式 を 提 案 4.2 検 討 の 経 緯 衛 星 デジタル 放 送 の 高 度 化 に 関 する 方 式 提 案 募 集 に 対 して 音 声 符 号 化 関 連 では 2 社 からの 提 案 があった 提 案 内 容 は 以 下 の 通 り 大 きく 3 つに 分 類 される 音 声 入 力 フォーマット( 最 大 22.2 チャンネルへの 拡 張 ) 圧 縮 符 号 化 方 式 ( 既 存 方 式 に 加 えて AAC+SBR 方 式 ) 非 圧 縮 符 号 化 方 式 (リニア PCM 音 声 符 号 化 伝 送 方 式 ) また 原 音 を 忠 実 に 再 現 可 能 かつ 高 能 率 符 号 化 が 可 能 な ロスレス 符 号 化 方 式 につ いて 追 加 提 案 募 集 を 行 った 結 果 2 方 式 (MPEG-4 ALS 方 式 および AAL for Broadcasting 方 式 )の 提 案 があった これらの 提 案 について 以 下 の 通 り 検 討 を 行 い その 採 用 の 可 否 の 判 断 を 行 った (1) 音 声 入 力 フォーマット 想 定 利 用 ケース 視 聴 環 境 について 最 大 チャンネル 数 22.2ch は 前 述 の 通 り UHDTV に 対 応 する 音 場 空 間 とし て 提 案 されている 視 聴 環 境 としては 必 ずしも 22.2ch 分 のスピーカ 配 置 を 前 提 とするもので はなく 視 聴 者 の 環 境 に 応 じて 柔 軟 なダウンミックス 処 理 を 行 い 3 次 元 音 再 生 を 実 現 することも 想 定 している 22.2 チャンネルの 音 場 空 間 およびダウンミックス 処 理 による 5.1 チャンネ ル 2 チャンネルステレオでの 音 再 生 について 音 声 符 号 化 方 式 作 業 班 内 で デモンストレーションを 実 施 し その 効 果 を 確 認 した ( 参 考 5.2 を 参 照 ) 技 術 的 実 現 性 について 想 定 ビットレートは 22.2ch で 1.60Mbps 程 度 であり 1 トランスポンダ 内 で のビットレート 割 り 当 てや 送 出 運 用 上 の 実 現 可 能 性 は 特 に 問 題 ないと 考 え られる 96kHz サンプリング 周 波 数 について 高 度 衛 星 デジタル 放 送 の 音 声 入 力 フォーマットとして 96kHz サンプリング 周 波 数 の 採 用 可 否 について 検 討 を 行 った 96KHz サンプリング 周 波 数 は プロオーディオの 分 野 では 多 くのデジタ ル 機 器 で 採 用 されており 家 庭 用 次 世 代 メディア(Blu-ray や HD-DVD など)でも 採 用 されている したがって 番 組 制 作 (ベースバンド)に おいては パッケージメディアなどへの 二 次 展 開 を 考 慮 すると 96KHz サンプリング 周 波 数 は 有 効 なフォーマットと 考 えられる 9

10 一 方 デジタル 放 送 を 対 象 とした 場 合 以 下 の 考 察 となる 圧 縮 符 号 化 方 式 (MPEG-2 AAC 方 式 )は 規 格 上 96kHz サンプリン グ 周 波 数 に 対 応 しているが 現 在 の 想 定 ビットレート(72kbps/チ ャンネル)では 全 帯 域 (~50kHz)を 伝 送 することが 難 しく 圧 縮 効 率 上 の 課 題 がある 非 圧 縮 符 号 化 (リニア PCM 音 声 )の 場 合 96kHz サンプリング 周 波 数 に 対 応 させるためには 5.1ch サラウンドで 約 13.8Mbps が 必 要 となり 衛 星 デジタル 放 送 の 高 度 化 で 検 討 されている 1 中 継 器 あ たり HDTV4 番 組 (4TS)では 5.1ch サラウンドの 伝 送 は 事 実 上 不 可 能 と 言 わざるを 得 ない 一 方 ロスレス 音 声 符 号 化 を 採 用 した 場 合 リニア PCM に 比 べて 一 般 的 に 少 ないビットレートでの 伝 送 が 可 能 であり またリニア PCM でも 例 えば 音 声 チャンネル 数 を 2ch とした 場 合 96kHz 24bit で 4.6Mbps となる 以 上 により 今 回 の 衛 星 デジタル 放 送 高 度 化 に 限 定 した 場 合 基 本 サー ビス 用 としては 96kHz サンプリング 周 波 数 は 不 採 用 と 判 断 した 一 方 非 圧 縮 ロスレス 高 音 質 符 号 化 用 としては 高 音 質 化 を 考 慮 し 96kHz サンプリング 周 波 数 の 採 用 を 継 続 検 討 することとする ただし 周 波 数 有 効 利 用 の 観 点 から その 採 用 についてはメリットの 明 確 化 適 用 可 能 な 運 用 制 約 の 詳 細 検 討 が 必 要 である (2) 音 声 符 号 化 方 式 ( 基 本 サービス 用 ) 想 定 利 用 ケースについて 提 案 方 式 として 明 示 されてはないが 各 提 案 の 前 提 ( 基 本 サービスにおける 音 声 符 号 化 方 式 )として 既 存 のデジタル 放 送 の 音 声 符 号 化 方 式 として 使 用 されている MPEG-2 AAC 方 式 が 想 定 されている 一 方 AAC+SBR 方 式 は 比 較 的 低 ビットレート( 概 ね 64kbps/ステレオ 以 下 ) において 有 効 な 方 式 であり マルチリンガル 音 声 サービスなど 1 サービス あたりの 音 声 ストリーム 数 が 増 えるサービスでの 利 用 を 想 定 している 例 え ば メインチャンネルは MPEG2-AAC 方 式 のままとし 複 数 のサブチャンネ ルに AAC+SBR 方 式 を 採 用 する 利 用 ケースなどが 想 定 される なお AAC+SBR 方 式 は 上 述 の 通 り 利 用 ケースが 限 定 されるため サービス 上 また 受 信 端 末 上 オプション の 位 置 付 けとなることが 想 定 される 技 術 的 実 現 性 について MPEG-2 AAC 方 式 は 既 にデジタル 放 送 に 使 用 されており 基 本 的 な 問 題 はな い また AAC+SBR 方 式 も 地 上 デジタルテレビジョン 放 送 の 携 帯 向 けサービ 10

11 ス(ワンセグ)や 地 上 衛 星 デジタル 音 声 放 送 等 で 既 に 使 用 されており 比 較 的 低 ビットレートの 応 用 において 実 績 がある 最 大 入 力 音 声 チャンネル 数 22.2ch に 対 応 した AAC デコーダは 現 行 デジタ ル 放 送 に 比 べて MIPS4 倍 以 上 メモリ 4 倍 以 上 程 度 と 想 定 され 2011 年 時 点 でのハードウェア 実 現 性 はあると 考 えられる 同 様 に AAC エンコーダに ついても 実 現 性 はあると 考 えられる ただし 音 声 入 力 フォーマットの 拡 張 ( 最 大 22.2 チャンネル)に 対 応 した MPEG-2 AAC 方 式 のチャンネル 構 成 (Channel Configuration)が 規 格 上 規 定 されていないなど 今 後 MPEG 規 格 改 訂 等 の 作 業 が 必 要 となる (3) 音 声 符 号 化 方 式 ( 非 圧 縮 ロスレス 高 音 質 サービス 用 ) 想 定 利 用 ケースについて 前 述 の 通 り MPEG-2 AAC 圧 縮 符 号 化 による 音 声 品 質 を 超 える 最 高 音 質 の 音 声 サービスを 想 定 これは とりわけ 放 送 の 音 声 品 質 向 上 に 期 待 する 視 聴 者 や オーディオ 業 界 および 団 体 等 からの 要 望 にこたえるため 家 庭 でもスタジオ 品 質 の 音 声 放 送 を 楽 しめるよう 最 大 5.1 チャンネルの 非 圧 縮 ロスレス 高 品 質 音 声 サービスを 目 指 すものである 既 存 のデジタル 放 送 (MPEG-2 AAC 方 式 )においても 音 質 表 示 において 現 行 の 衛 星 標 準 テレビ 放 送 の B モードに 相 当 する 音 声 品 質 の 基 準 が 示 されて いるが 提 案 された 非 圧 縮 音 声 符 号 化 方 式 (リニア PCM 方 式 )およびロス レス 音 声 符 号 化 方 式 (2 方 式 )は 非 圧 縮 (あるいはロスレス) 高 音 質 で あることを 特 徴 としている そのため 本 提 案 方 式 に 対 応 した 新 たな 音 質 表 示 モードの 割 り 当 てが 併 せて 提 案 されている 技 術 的 実 現 性 について 1 トランスポンダ 内 でのビットレート 割 り 当 て 送 出 運 用 上 の 実 現 可 能 性 リニア PCM 方 式 の 場 合 想 定 ビットレートは 2ch で 1.53Mbps 最 大 でも 5.1ch で 6.9Mbps であり 特 に 問 題 ないと 考 えられる また ロスレス 音 声 符 号 化 方 式 の 場 合 ビットレートは 音 源 によって 可 変 であるが リニア PCM 方 式 の 伝 送 方 式 である SMPTE 302M-2007 より 低 ビットレートであり 同 様 に 問 題 ないと 考 えられる なお 96kHz サンプリング 周 波 数 については 周 波 数 有 効 利 用 の 観 点 から 実 現 可 能 な 範 囲 での 運 用 制 約 を 前 提 としてその 採 用 に 向 けた 検 討 を 継 続 中 である ハードウェア 実 現 性 リニア PCM 方 式 については 実 証 実 験 を 通 じてその 実 現 性 を 確 認 した( 参 考 5.3 参 照 ) ロスレス 音 声 符 号 化 方 式 については ハードウェア 実 現 性 を 机 上 で 確 認 した 11

12 ( 参 考 5.5 参 照 ) また ロスレス 音 声 符 号 化 ストリームを 含 む MPEG-2 TS 生 成 実 験 により TS 化 の 実 現 性 を 確 認 した( 参 考 5.7 参 照 ) ロスレス 音 声 符 号 化 方 式 について 非 圧 縮 ロスレス 高 音 質 サービスが 実 現 可 能 かつ 高 能 率 符 号 化 が 可 能 な 方 式 として ロスレス 音 声 符 号 化 方 式 の 技 術 検 討 を 行 った 技 術 検 討 に 際 しては 追 加 提 案 募 集 を 実 施 した 結 果 2 方 式 の 提 案 があった 以 下 方 式 選 定 の 経 緯 ロスレス 音 声 符 号 化 のメリット そして 同 等 のサービス 要 件 を 満 たすリ ニア PCM 方 式 との 併 記 に 関 する 検 討 結 果 を 記 す ロスレス 音 声 符 号 化 方 式 選 定 の 経 緯 以 下 2 方 式 について 方 式 選 定 を 目 的 とした 技 術 検 討 その 他 検 討 を 実 施 した 1MPEG-4 ALS(Audio Lossless Coding) ( 以 下 ALS) 2AAL(ATRAC Advanced Lossless) for Broadcasting ( 以 下 AAL) ALS 方 式 は MPEG 国 際 標 準 であり 圧 縮 率 や MPEG-2 Systems との 整 合 性 に 対 するメリットが 期 待 できる 方 式 である 一 方 AAL 方 式 は 実 装 の 容 易 性 (ハードウェア 演 算 量 規 模 が 小 さくできる)や IPR(ライセ ンス 条 件 ) 面 でのメリットを 追 求 した 方 式 である この 2 方 式 について 方 式 選 定 を 目 的 とした 比 較 表 を 作 成 した(2 方 式 の 技 術 概 要 および 方 式 比 較 表 については 参 考 5.5 を 参 照 ) その 結 果 主 に 国 際 標 準 であることのメリットを 理 由 として ALS 方 式 をロスレス 音 声 符 号 化 方 式 の 第 1 候 補 として 選 定 した (AAL 方 式 は 第 2 候 補 ) ALS 方 式 を 第 1 候 補 として 選 定 したものの ハードウェア 演 算 量 規 模 の 小 ささも 方 式 採 用 における 重 要 項 目 の 一 つと 考 えられる そのため 適 正 なハードウェア 演 算 量 規 模 の 実 現 を 目 的 として ALS 方 式 の 新 プロ ファイル レベルの 検 討 を 引 き 続 き 行 うこととする なお 現 在 ALS 方 式 のライセンス 条 件 は 確 定 していない(MPEG 国 際 標 準 のため RAND によるパテントプール 設 立 準 備 中 ) 方 式 の 実 際 の 採 用 にあたっては 今 後 ライセンス 条 件 の 確 認 も 重 要 である ロスレス 音 声 符 号 化 採 用 のメリット ロスレス 音 声 符 号 化 は 一 般 論 として 平 均 的 に 原 データに 対 して 数 十 % の 圧 縮 率 が 得 られ 帯 域 の 有 効 活 用 が 期 待 できる 一 方 で 最 悪 値 ( 例 え ば 白 色 雑 音 を 音 源 とした 場 合 )はほぼ 原 データ 同 等 の 情 報 量 となり 削 減 したビットレートを 固 定 的 に 他 のサービスに 割 り 当 てられない 点 が ネックとして 指 摘 されていた 逆 に 言 えば この 点 を 克 服 できるシナリ オの 存 在 がロスレス 音 声 符 号 化 方 式 を 採 用 する 上 で 不 可 欠 である 12

13 検 討 の 結 果 ロスレス 音 声 符 号 化 の 採 用 により 帯 域 の 有 効 活 用 が 図 れる シナリオとして 例 えば 以 下 のシナリオを 確 認 した 1 事 前 収 録 番 組 に おいて オンエア 事 前 に 番 組 内 のビットレート 最 悪 値 が 把 握 できれば 理 論 最 悪 値 と 番 組 最 悪 値 との 差 分 に 応 じた 固 定 的 なビットレート 削 減 が 可 能 2 将 来 的 に 音 声 を 優 先 した 映 像 データとの 統 合 的 ビットレート 制 御 可 能 な 送 出 装 置 およびそれを 考 慮 した 受 信 装 置 が 開 発 されれば 瞬 間 的 なビットレート 変 動 にかかわらず トータルでの 帯 域 有 効 活 用 が 可 能 3 将 来 的 にダウンロード 型 ( 事 前 ファイル 化 )のサービスにおいては 平 均 圧 縮 率 に 相 当 する 帯 域 有 効 活 用 が 可 能 一 方 上 記 シナリオの 実 現 可 否 の 判 断 については さらに 詳 細 な 検 討 が 必 要 である 例 えば1のシナリオは 事 前 収 録 番 組 に 限 られ さらに 番 組 単 位 での 帯 域 制 御 が 可 能 な 送 出 設 備 が 前 提 となる また2のように 実 現 には 時 期 的 かつコスト 面 での 課 題 を 含 むシナリオも 含 まれている また リニア PCM と 比 較 して ロスレス 符 号 化 を 採 用 することによるデコー ダのコストアップの 可 能 性 も 指 摘 された しかしながら (メリットを 十 分 に 発 揮 できるかどうかはさておき)2011 年 の 段 階 でロスレス 符 号 化 自 体 の 実 現 は 技 術 的 に 問 題 ないこと また 将 来 的 にはロスレス 音 声 符 号 化 の 採 用 による 帯 域 の 有 効 活 用 が 期 待 で きることから 結 論 として 現 時 点 でロスレス 音 声 符 号 化 方 式 を 採 用 する こととした リニア PCM 方 式 との 併 記 について 上 述 の 通 り ロスレス 音 声 符 号 化 のメリットを 享 受 できるシナリオは 当 面 限 定 的 であり 事 業 者 の 運 用 形 態 によってはリニア PCM の 方 にメリ ットがあるケースも 想 定 される( 例 えば 生 放 送 中 心 のサービス) 将 来 的 にはロスレス 音 声 符 号 化 が 主 流 となり 得 ると 考 えられるが 現 時 点 ではリニア PCM の 方 がデジタル 放 送 への 適 用 において 実 証 実 験 によ る 実 証 済 みの 方 式 であり またロスレス 音 声 符 号 化 に 対 して 相 対 的 処 理 量 や 実 装 コストが 小 さいため 方 式 併 記 によるデメリットも 少 ない そ のため リニア PCM 方 式 とロスレス 音 声 符 号 化 方 式 を 併 記 することと した 4.3 今 後 の 課 題 (1) 音 声 入 力 フォーマット 22.2ch 音 場 空 間 の 定 義 13

14 SMPTE へ UHDTV Audio(デジタルオーディオ 特 性 ならびに 22.2 マルチチャ ンネル)に 関 する 規 格 案 を 提 出 し 現 在 審 議 中 IEC/TC100 において 22.2 マルチチャンネル 音 響 方 式 を 含 む General Channel Assignment 規 格 を 審 議 中 (2) 音 声 符 号 化 方 式 ( 基 本 サービス 用 ) 音 声 入 力 フォーマットの 追 加 に 伴 う AAC 規 格 の 拡 張 Channel Configuration その 他 MPEG 規 格 の 改 訂 提 案 を 行 い 現 在 審 議 中 (3) 音 声 符 号 化 方 式 ( 非 圧 縮 ロスレス 高 音 質 サービス 用 ) リニア PCM 方 式 : 音 声 メタ 情 報 の 伝 送 ダウンミックス 係 数 音 声 モード 識 別 等 AES-3 ユーザビット(192bit)の 利 用 を 検 討 JEITA (インタフェース 標 準 化 グループ)とのリエゾンにより IEC への 改 訂 提 案 を 審 議 中 検 討 中 の 音 声 メタ 情 報 案 について 参 考 5.4 を 参 照 MPEG-4 ALS 方 式 : 放 送 応 用 に 応 じたサブセット 化 の 検 討 実 証 実 験 の 実 施 新 しいプロファイル レベルの 検 討 (ツールやパラメータの 制 約 ) 伝 送 実 験 による 実 現 性 の 検 証 ( 特 に 周 波 数 有 効 利 用 シナリオの 実 現 性 ) 上 記 検 討 実 施 の 後 MPEG 規 格 の 改 訂 提 案 を 行 うことを 検 討 非 圧 縮 ロスレス 音 声 符 号 化 における 96kHz サンプリング 周 波 数 の 検 討 周 波 数 有 効 利 用 の 観 点 から 適 用 可 能 な 運 用 制 約 の 検 討 96kHz サンプリング 周 波 数 追 加 に 伴 うメリットの 検 討 14

15 5. 参 考 5.1 リニア PCM 音 声 の PES 伝 送 方 式 リニアPCM 音 声 信 号 (AES3 データ)の 伝 送 方 式 として SMPTE 302M に 準 拠 する PES 伝 送 方 式 を 用 いる 準 拠 規 格 SMPTE 302M-2007 Mapping of AES3 Data into an MPEG-2 Transport Stream 概 要 複 数 の AES3 ストリーム(5.1ch の 場 合 3 つ)は 1 本 の SMPTE AES3 ES に 時 分 割 多 重 される SMPTE AES3 ES は MPEG-2 Systems(ISO/IEC ) 準 拠 の PES パケット にマッピングされる PES パケット (1) データ 構 造 AES3 データを 伝 送 する PES のデータ 構 造 は 以 下 の 通 りとする 図 PES パケットのデータ 構 造 (2) PES ヘッダ MPEG-2 Systems(ISO/IEC )に 準 拠 する ストリーム 識 別 子 :0xBD(プライベートストリーム 1) PTS_DTS_flags:01(PTS あり) PTS の 値 はビデオフレームに 対 応 した PTS と 同 一 とする (3) SMPTE 302M AES3 データヘッダ SMPTE 302M-2007 SMPTE AES3 data elementary stream header の 規 定 に 準 拠 する 15

16 number_channels: 最 大 6 データチャンネル(AES3 データ 3 本 )とする (4) SMPTE 302M AES3 データ 本 体 SMPTE 302M-2007 SMPTE AES3 elementary streams の 規 定 に 準 拠 する 16

17 チャンネル 音 声 デモンストレーション マルチチャンネル 音 響 方 式 の 概 要 22.2 マルチチャンネル 音 響 は 超 高 精 細 かつ 広 視 野 大 画 面 映 像 がもたらす 臨 場 感 や 没 入 感 に 対 応 した 音 場 再 現 を 行 う 目 的 で 開 発 された 次 世 代 のマルチチャンネル 音 響 システ ムである 基 本 的 な 開 発 コンセプトは 下 記 のとおり (1) 映 像 と 音 像 の 方 向 を 一 致 させるために 広 視 野 画 面 上 に 安 定 した 音 像 定 位 を 実 現 (2) 聴 取 者 に 対 しあらゆる 方 向 からの 音 の 到 来 と 音 の 上 下 感 を 実 現 (3) 臨 場 感 や 現 実 感 の 高 い 三 次 元 音 響 空 間 再 生 (4) 高 品 質 な 音 場 再 生 を 受 聴 できるエリアが 広 い (5) 既 存 のマルチチャンネル 音 響 方 式 と 互 換 性 を 有 する これらのコンセプトに 基 づき 下 図 のように 上 層 に 9 チャンネル 中 層 に 10 チャンネ ル 下 層 に 3 チャンネルを 配 置 し LFE( 低 域 効 果 チャンネル)を 2 チャンネルとした TpFL TpFC TpFR TpSiL TpC TpSiR Top layer 9 channels TpBL BL SiL FL BtFL TpBC TpBR FLc FC FRc TV Screen BtFC SiR LFE1 LFE2 BR FR Middle layer 10 channels BtFR Bottom layer 3 channels BC LFE 2 channels 図 マルチチャンネル 音 響 システム 17

18 チャンネル 音 声 の 聴 取 確 認 22.2 チャンネル 音 声 の 品 質 確 認 のため NHK 技 研 において 当 作 業 班 委 員 に 対 し 22.2 チャンネル 音 声 のデモンストレーションを 行 った また 22.2 チャンネル 音 声 からダウ ンミックスした 5.1 チャンネル 音 声 の 品 質 確 認 も 同 時 に 行 った 実 施 日 平 成 19 年 10 月 18 日 実 施 場 所 NHK 放 送 技 術 研 究 所 デモンストレーション 内 容 1. シアター 形 式 ( 画 面 サイズ 450 インチの SHV)での 試 聴 (5.1 チャンネルダウ ンミックス 音 声 含 む) 2. 家 庭 などの 小 空 間 再 生 を 想 定 した 試 聴 ( 画 面 サイズ 50 インチの HDTV) (5.1 チャンネルダウンミックス 音 声 含 む) 委 員 の 講 評 現 行 の 5.1 マルチチャンネル 音 声 に 比 べ シアター 形 式 小 空 間 双 方 において 22.2 マルチチャンネル 音 声 による 空 間 再 生 品 質 が 十 分 に 高 いことを 確 認 した 18

19 5.3 リニア PCM 音 声 符 号 化 伝 送 実 証 実 験 報 告 高 度 BS デジタル 放 送 の 音 声 符 号 化 暫 定 方 式 の 検 討 に 関 連 して ARIB 音 声 符 号 化 方 式 作 業 班 では SMPTE302M に 基 づくリニア PCM 音 声 信 号 の MPEG-2 システム 伝 送 の 特 性 確 認 を 行 った 実 施 日 平 成 19 年 12 月 13 日 参 加 者 浦 野 ( 音 声 符 号 化 方 式 作 業 班 主 任 日 本 テレビ) 濱 崎 (NHK) 中 山 (NHK) 実 験 場 所 NHK 技 術 研 究 所 CB209 実 験 室 実 験 項 目 1 エンコーダ-デコーダの 5.1 マルチチャンネル 音 声 信 号 の 各 チャンネル 間 同 期 性 能 の 確 認 2 エンコーダ-デコーダの 映 像 信 号 と 音 声 信 号 の 同 期 確 認 3 映 像 音 声 素 材 による 視 聴 確 認 符 号 化 器 概 要 AVC/H.264 SMPTE 302M(2ch/4ch/6ch/8ch) エンコード+デコードの 遅 延 量 約 800msec(メーカ 公 表 値 標 準 モード) デコーダの 音 声 遅 延 用 バッファ 量 約 0.5sec 参 考 :MPEG2(video) MPEG-1 Audio Layer II MPEG-2 AAC の 機 能 を 持 つ 実 証 実 験 で 使 用 した 符 号 化 パラメータ TS RATE 17Mbps VIDEO RATE 8.775Mbps(H.264 4:2:0 フォーマット) AUDIO RATE 6.912Mbps (SMPTE302M 準 拠 6ch モード) 19

20 実 験 1 エンコーダ-デコーダの 5.1 マルチチャンネル 音 声 信 号 の 各 チャンネル 間 同 期 性 能 の 確 認 < 実 験 方 法 > 音 声 フォーマット 24bit/48kHz リニアPCM 信 号 (AES3 方 式 ) 映 像 フォーマット 1920x1080(1080i) 16:9 (HD-SDI 方 式 ) 音 声 テスト 信 号 広 帯 域 ピンクノイズ( 全 チャンネルに 同 位 相 信 号 ) 評 価 方 法 チャンネル 間 の 相 互 相 関 関 数 の 測 定 使 用 機 器 エンコーダ/デコーダ NTT エレクトロニクス HVE9100/HVD9100 デジタルオーディオワ フェアライト Merlin ークステーション ビデオ 再 生 器 ソニー HDW-250 DA コンバータ Emmlab MarkIV DAC シンクジェネレータ ROSENDAHL Nanosyncs HD 測 定 器 小 野 測 器 マルチパーパース FFT アナライザ CF-5220 < 実 験 システム> Sync DAW Gen Word AES3 sync Video Time code sync Ref HD-SDI HDCAM MPEG2-TS AES3 Audio ENC DEC DAC FFT ANALYIZER < 実 験 結 果 > 1ch に 対 して 2~6ch の 時 間 差 を 1ch アナログ 信 号 とその 他 のアナログ 信 号 の 相 互 相 関 関 数 を 測 定 しピーク 位 置 を 観 測 した その 結 果 1ch と 他 のチャンネルの 時 間 差 はすべて 0μsec であった 20

21 2 エンコーダ-デコーダの 映 像 信 号 と 音 声 信 号 の 同 期 確 認 < 実 験 方 法 > 音 声 フォーマット 24bit/48kHz リニアPCM 信 号 (AES3 方 式 ) 映 像 フォーマット 1920x1080(1080i) 16:9 (HD-SDI 方 式 ) テスト 信 号 評 価 方 法 使 用 機 器 エンコーダ/ デコーダ 測 定 器 測 定 器 の 測 定 用 信 号 を 使 用 タイムコード(TTC,LTC)を 利 用 した AV 時 間 差 の 測 定 NTT エレクトロニクス HVE9100/HVD9100 YEM エレテックス マルチフォーマットタイムラグチェッカー EDD 5130 < 実 験 システム> ENC MPEG2-TS DEC HD-SDI AES3 Time lag checker < 実 験 結 果 > 電 源 の ON/OFF を 数 回 繰 り 返 し AV 時 間 差 を 測 定 した 1 回 目 0msec 2 回 目 0msec 3 回 目 0msec 4 回 目 0msec 参 考 : 測 定 開 始 時 に 1msec の 時 間 差 が 測 定 された 符 号 化 器 のリセットをしなかったため にエラーが 生 じたものと 思 われる 21

22 3 映 像 音 声 素 材 による 視 聴 確 認 < 実 験 方 法 > 音 声 フォーマット 24bit/48kHz リニアPCM 信 号 (AES3 方 式 ) 映 像 フォーマット 1920x1080(1080i) 16:9 (HD-SDI 方 式 ) テスト 信 号 NHK 制 作 の 5.1ch サラウンド 番 組 集 評 価 方 法 専 門 家 による 視 聴 確 認 使 用 機 器 エンコーダ/デコーダ NTT エレクトロニクス HVE9100/HVD9100 デジタルオーディオワ フェアライト Merlin ークステーション ビデオ 再 生 器 ソニー HDW-250 ビデオモニタ ソニー BVW-D32E1WU 再 生 スピーカ Musikelectronic Geithain RL901K サラウンドモニタコン トローラ GRACE design m906 シンクジェネレータ ROSENDAHL Nanosyncs HD < 視 聴 システム> MPEG2-TS Sync DAW ENC DEC Gen Word sync Video Ref AES3 Time code sync HD-SDI HDCAM Surround Monitoring Controller AES3 HD-SDI Audio Loudspea kers Video Monitor < 試 聴 結 果 > いくつかの 番 組 を 視 聴 したが 問 題 なく 再 生 できていることを 確 認 した 参 考 :AES3 のユーザビット(192 ビット)を 用 いた 音 声 モード 識 別 ダウンミックス 係 数 等 の 音 声 関 連 メタ 情 報 の 伝 送 は 今 回 実 施 していない まとめ 高 度 BS デジタル 放 送 の 音 声 符 号 化 暫 定 方 式 の 検 討 に 関 連 して SMPTE302M に 基 づく リニア PCM 音 声 信 号 の MPEG-2 システム 伝 送 の 確 認 を 行 った 実 験 結 果 より 現 在 実 現 化 されている 符 号 化 器 で 問 題 なく 伝 送 できることを 確 認 した 22

23 高 度 BS デジタル 放 送 の 暫 定 方 式 において 映 像 符 号 化 方 式 として H.264 が 提 案 されて ている 本 実 験 で 使 用 した 実 機 の 場 合 エンコード/デコードの 処 理 時 間 として 約 800msec である デコーダ 側 に 0.5 秒 の 音 声 遅 延 用 バッファを 利 用 することにより 映 像 と 音 声 の 同 期 ずれを 補 償 している 23

24 5.4 AES3 のユーザビットを 用 いたリニア PCM 音 声 関 連 メタ 情 報 の 伝 送 リニアPCM 方 式 において AES3 のユーザビットを 用 いた 音 声 関 連 メタ 情 報 伝 送 の 検 討 が 行 われている 以 下 伝 送 することが 望 ましい 音 声 メタ 情 報 について 検 討 状 況 を 紹 介 する リニア PCM 音 声 メタ 情 報 例 データ 構 造 ビット ビット 列 数 表 記 LinerPCM_Meta_descriptor(){ component_type 8 uimsbf matrix_mixdown_idx 3 uimsbf future_reserve 13 uimsbf } [コンセプト] SMPTE302M では 複 数 の AES3ストリームを 一 つの MPEG2-PES にした 際 のデコード 情 報 を 規 定 している AES3 では 1AES ストリームをデコードするための 情 報 をチャンネルステ ータスビットとして 規 定 している そこで これらの 情 報 を 利 用 したうえで 放 送 に 必 要 な 音 声 メタ 情 報 を AES3 のユーザビットに 規 定 することとする [ 各 規 格 のメタ 情 報 の 役 割 ] MPEG2-PES AES3 Digital 音 声 プロセシング 再 生 AES3 Digital 音 声 AES3 AES3 情 報 本 提 案 情 報 SMPTE302M ヘッダ 情 報 サンプリング 周 波 数 ダウンミックスなど ストリーム 数 など ビット 解 像 度 など ( 将 来 のラウドネス 制 御 など) [ 識 別 子 詳 細 ] component_type( 音 声 モード 識 別 ); 8 ビット 音 声 コンポーネント 種 別 ARIB STD-B10 第 2 部 表 6-43 参 照 + 提 案 分 含 む matrix_mixdown_idx(ダウンミックス 係 数 );3 ビット ダウンミックス 係 数 ARIB STD-B21 第 6 章 表 6-DM2 参 照 future_reserve( 将 来 利 用 のための 予 約 );13 ビット [コメント] 番 組 間 音 量 差 チャンネル 間 音 量 差 の 改 善 を 目 的 に future_reserve の 一 部 もしくはすべ てを reference_loudness_idx として ITU-R で 現 在 審 議 されている 参 照 ラウドネスを 伝 送 し 受 信 環 境 のラウドネスコントロールを 行 うために 使 用 できればと 考 える 24

25 5.5 ロスレス 音 声 符 号 化 に 関 する 提 案 方 式 (2 方 式 )の 技 術 概 要 および 方 式 比 較 ロスレス 音 声 符 号 化 方 式 の 技 術 方 式 提 案 募 集 に 対 して 提 案 された 2 つの 方 式 について その 技 術 概 要 および 2 方 式 の 特 長 比 較 を 以 下 にまとめる 提 案 方 式 の 技 術 概 要 (1) MPEG-4 ALS(Audio Lossless Coding) < 技 術 方 式 の 概 要 > 歪 を 伴 わない 圧 縮 符 号 化 ISO/IEC MPEG-4 ALS(Audio Lossless Coding) 準 拠. エンコーダ デコーダで 完 全 に 整 合 がとれた 確 定 的 整 数 演 算 により 復 号 時 に 入 力 波 形 を 完 全 再 構 成 することを 理 論 的 に 保 証 線 形 予 測 による 隣 接 サンプル 間 の 冗 長 性 除 去 による 情 報 圧 縮 予 測 誤 差 サンプルの 振 幅 値 をエントロピー 符 号 化 して 振 幅 分 布 の 偏 りの 冗 長 性 除 去 による 情 報 圧 縮 音 声 メタ 情 報 はパラメータ 記 述 部 (ALSSpecificConfig)の Aux 部 分 を 拡 張 して 記 述 整 数 入 力 予 測 分 析 係 数 量 子 化 ー エントロピー 符 号 化 短 期 予 測 予 測 誤 差 (30 倍 拡 大 ) 整 数 出 力 係 数 逆 量 子 化 短 期 予 測 + エントロピー 復 号 化 入 力 波 形 図 ALS のエンコーダ デコーダの 原 理 < 放 送 システムへの 適 用 > MPEG-2 TS のオーディオパケットは PES パケットを 含 む MPEG-2 システムの PMT パケットに MPEG-4_audio_extension_descriptor を 含 み その 中 に AudioSpecificConfig と ALSSpecificConfig を 含 む MPEG-2 システムの PES パケットにフレーム 単 位 で ALS 準 拠 ペイロードを 含 む 25

26 ALS over MPEG-2 systems ISO/IEC :2007/Amd 1:2007 (Transport of MPEG-4 streaming text and MPEG-4 lossless audio over MPEG-2 systems ) PMT header PMT payload PES header PES payload TS MPEG-4_audio_extension_descriptor 3 33 サンプル*チャネル ALS フレームデータ ISO/IEC :2008 (subpart 11) AudioSpecificConfig ALSSpecificConfig (ミキシングパラメータなど 拡 張 可 能 ) 図 MPEG-2 Systems での 伝 送 方 法 (2) AAL(ATRAC Advanced Lossless) for Broadcasting < 技 術 方 式 の 概 要 > ロスレス 符 号 化 技 術 ATRAC Advanced Lossless for Broadcasting (AAL for BC) 16bit 固 定 小 数 点 演 算 を 前 提 とした 確 定 的 整 数 演 算 により プラットフォームを 選 ばずに 入 力 波 形 を 完 全 再 構 成 することが 可 能 線 形 予 測 分 析 によるサンプル 間 相 関 除 去 により 効 率 的 な 情 報 量 圧 縮 が 可 能 必 要 かつ 十 分 な 線 形 予 測 次 数 による 高 速 な 符 号 化 / 復 号 化 が 可 能 圧 縮 率 の 最 悪 値 が 確 定 しており リニア PCM とほぼ 同 等 である 具 体 的 にはフ レーム 長 2048, 16bit, 2ch データの 場 合 リニア PCM の % AAL for BC エンコーダ PCM 入 力 - エントロピー 符 号 化 線 形 予 測 線 形 予 測 分 析 係 数 量 子 化 AAL for BC デコーダ 係 数 逆 量 子 化 線 形 予 測 PCM 出 力 + エントロピー 復 号 化 図 AAL for Broadcasting エンコーダおよびデコーダ ブロック 図 26

27 < 放 送 システムへの 適 用 > MPEG-2 TS の PES パケットにて 伝 送 する AAL for BC の Elementary Stream を 以 下 のように MPEG2-TS の PES にマッ ピングした 上 で 伝 送 を 行 う -PES ヘッダは MPEG-2 Systems (ISO/IEC ) に 準 拠 -ストリーム ID はプライベート 用 のものを 使 用 -ビデオと 同 期 した PTS を 付 加 MPEG2 PES packet MPEG2 PES payload MPEG-2 AAL for BC AAL for BC AAL for BC PES header config extra config data payload 図 AAL for BC PES パケット 構 造 AAL for BC 設 定 情 報 は AAL for BC 設 定 情 報 AAL データペイロードを 含 む AAL for BC 設 定 情 報 は AAL for BC 基 本 設 定 情 報 AAL for BC 拡 張 設 定 情 報 を 含 む AAL for BC 拡 張 設 定 情 報 はチャンネル 配 置 情 報 を 伝 送 可 能 AAL for BC 拡 張 設 定 情 報 はメタ 情 報 領 域 を 持 ち 最 大 2 32 バイトまでのメタ 情 報 を 伝 送 可 能 提 案 方 式 の 方 式 比 較 2 方 式 の 方 式 比 較 表 を 表 に 示 す なお 比 較 表 には 参 考 のためリニア PCM (SMPTE302M)についても 記 載 している その 他 考 慮 すべき 事 項 2 方 式 の 比 較 検 討 において 上 記 の 比 較 表 への 記 載 事 項 のほか 考 慮 すべき 事 項 とし て 指 摘 された 項 目 を 以 下 に 示 す 国 際 標 準 化 のリスク AAL は 現 時 点 で 国 際 標 準 化 されておらず 今 後 国 際 標 準 化 機 関 に 提 案 した 場 合 時 期 的 に 遅 れる あるいは 国 際 標 準 化 できないリスクがある 一 方 ALS に ついても 新 規 規 定 のプロファイル レベルは 現 時 点 で 国 際 標 準 化 されてい ないため 同 様 のリスクがある 帯 域 有 効 活 用 シナリオ ロスレス 音 声 符 号 化 方 式 である ALS AAL のビットレートは 音 源 によって 変 動 27

28 し 最 悪 の 場 合 圧 縮 効 果 が 認 められないケースが 理 論 上 あり 得 る そのた め ロスレス 音 声 符 号 化 方 式 の 採 用 にあたっては 音 声 ビットレートの 変 動 においても 総 合 的 に 帯 域 有 効 活 用 できるシナリオ 例 えば 映 像 やデータとの 統 合 制 御 シナリオの 存 在 が 重 要 である 28

29 提 案 方 式 の 特 徴 方 式 上 の 比 較 圧 縮 率 ( 注 1) ( 圧 縮 後 のレート/PCM レート) ハードウェアの 実 現 性 表 提 案 方 式 (2 方 式 )の 比 較 表 ALS 国 際 標 準 準 拠 で 柔 軟 性 自 由 度 圧 縮 性 能 に 優 れる 線 形 予 測 最 高 15 次 付 加 ツールで 圧 縮 性 能 改 善 多 様 な 入 力 に 対 応 可 変 レート( 入 力 信 号 依 存 ) ファイル 毎 の 平 均 値 : 0.17%~106.32% フレーム 毎 の 最 悪 値 : 8.67%~106.32% 低 演 算 プロファイルで AAC-LC と 同 程 度 25 MHz (48 khz, 24 bit, 2 ARM9E ROM 6 Kbyte, RAM 80 ARM9E 国 際 標 準 との 整 合 性 伝 送 は MPEG-2 準 拠 符 号 化 復 号 化 は MPEG-4 準 拠 低 演 算 プロファイル 提 案 予 定 IPR の 扱 い RAND によるパテントプール 設 立 準 備 中 コンテンツ 課 金 なし 方 式 実 現 に 向 けた 今 後 の 課 題 MPEG-4 Audio の 改 訂 : 新 規 の 低 演 算 量 プロファイル レベル 定 義 ( 注 1)ロスレス 音 声 符 号 化 圧 縮 性 能 実 証 実 験 ( 参 考 5.6 章 参 照 )での 実 測 値 ( 参 考 ) AAL for Broadcasting リニア PCM(SMPTE302M) 実 装 が 容 易 で 無 償 ライセンス 最 悪 伝 送 蓄 積 などで 使 用 実 績 が 豊 富 レートが PCM レートとほぼ 同 じ 線 形 予 測 8 次 予 測 係 数 精 度 が 16 ビットで 演 算 量 低 減 可 変 レート( 入 力 信 号 依 存 )( 注 2) 固 定 レート( 平 均 = 最 悪 ) ファイル 毎 の 平 均 値 : 16 bit のとき(20 16=)125% %~100.12% bit のとき(28 24 )117% フレーム 毎 の 最 悪 値 : 33.84%~100.12% 容 易 非 常 に 容 易 16.3 Mcyc/s (48 khz, 16 bit, 2 MP Mcyc/s (48 khz, 24 bit, 2 MP201 ROM 7 Kbyte, RAM 16.6 MP201 SMPTE302M (2007) 対 価 請 求 はなし 提 案 符 号 化 方 式 の 国 際 標 準 化 提 案 伝 送 方 式 の 国 際 標 準 化 ( 注 2) 今 回 測 定 に 用 いた AAL アルゴリズムは 20 ビット 入 力 に 対 して エンコード 時 に 4 ビット 右 シフトし LSB 側 20 ビット 詰 めで 24 ビット 処 理 を 行 い デコード 時 には 4 ビット 左 シフトし MSB 側 20 ビットを 取 り 出 し 出 力 している 無 償 29

30 5.6 ロスレス 音 声 符 号 化 圧 縮 性 能 実 証 実 験 報 告 目 的 高 度 衛 星 デジタル 放 送 方 式 のロスレス 音 声 符 号 化 方 式 として 提 案 された 2 方 式 (MPEG-4 ALS AAL for Broadcasting)について 複 数 の 音 源 音 声 入 力 パラメータを 用 いて 圧 縮 性 能 を 測 定 し その 性 能 を 実 証 する 実 験 概 要 1 圧 縮 性 能 測 定 (フレーム 毎 平 均 最 悪 ) 複 数 の 音 源 入 力 パラメータ 提 案 方 式 ENC 提 案 方 式 DEC (PC 上 の 実 行 形 式 ) 2 原 音 と DEC 後 波 形 の 比 較 確 認 ロスレス 音 声 符 号 化 提 案 2 方 式 の CODEC(PC 上 の 実 行 形 式 ファイル)に 対 して 複 数 の 音 源 入 力 パラメータを 入 力 し 以 下 の 測 定 を 行 う 原 音 データに 対 する 圧 縮 後 の 情 報 量 の 割 合 ( 値 が 小 さいほうが 効 率 がよい)の フレーム 毎 の 平 均 値 およびフレーム 毎 の 最 悪 値 を 測 定 情 報 量 の 割 合 (%)=( 圧 縮 後 の 情 報 量 ) (PCM の 情 報 量 ) 100 原 音 とデコード 後 波 形 の 一 致 の 比 較 確 認 使 用 CODEC の 諸 元 2 方 式 ともにフレームサイズ=2048 サンプル/フレーム ALS サブセット: 48 khz: 線 形 予 測 次 数 最 大 15 次 MCC/JS, 3 段 までのブロック 分 割 LTP 96 khz: 線 形 予 測 次 数 最 大 15 次 MCC/JS 評 価 音 源 名 称 入 力 パラメータ 提 供 者 MPEG 評 価 音 源 x15 種 48kHz 16bit 2ch 30sec MPEG 評 価 音 源 x15 種 48kHz 20bit 2ch 30sec MPEG 評 価 音 源 x15 種 48kHz 24bit 2ch 30sec MPEG 評 価 音 源 x15 種 96kHz 24bit 2ch 30sec シンセ 48kHz 24bit 2ch 184sec SONY 30

31 室 内 楽 48kHz 16bit 2ch 44sec SONY ノイズ 48kHz 16bit 2ch 55sec SONY 合 成 試 験 音 源 ( 一 様 分 布 白 色 雑 音 ) 48kHz 16bit 1ch 10sec NTT 合 成 試 験 音 源 ( 正 弦 波 1 khz) 48kHz 16bit 1ch 10sec NTT 合 成 試 験 音 源 ( 矩 形 波 1 khz) 48kHz 16bit 1ch 10sec NTT 合 成 試 験 音 源 ( 定 数 無 音 ) 48kHz 16bit 1ch 10sec NTT チェンバロ 96kHz 24bit 2ch 34sec NHK 和 太 鼓 96kHz 24bit 2ch 43sec NHK ピアノ 96kHz 24bit 2ch 35sec NHK チェロ+ピアノ 演 奏 96kHz 24bit 2ch 42sec NHK 弦 楽 四 重 奏 96kHz 24bit 2ch 43sec NHK 合 奏 曲 1 96kHz 24bit 5.1ch 30sec NTT 合 奏 曲 2 96kHz 24bit 5.1ch 30sec NTT 担 当 およびスケジュール 項 目 担 当 スケジュール 実 験 計 画 の 承 認 音 源 の 選 定 音 声 符 号 化 方 式 WG ~6/2 実 験 準 備 (PC 実 行 形 式 CODEC 音 源 測 定 用 スクリプト) 方 式 提 案 社 ~6/6 測 定 実 施 WG 主 任 6/6 6/13( 追 加 ) 実 験 結 果 (1) 原 音 データとデコード 後 データの 同 一 性 の 検 証 今 回 実 施 した 全 てのデータにおいて 原 音 データとデコード 後 データが 同 一 であること を PC 上 でのファイル 比 較 コマンドにより 確 認 した (2) 各 音 源 に 対 するフレーム 平 均 値 フレーム 最 悪 値 いずれも 単 位 :[%] MPEG 音 源 (48 khz, 16 bit, stereo) AAL 平 均 AAL 最 悪 ALS 平 均 ALS 最 悪 avemaria blackandtan broadway cherokee clarinet cymbal dcymbals etude

32 flute fouronsix haffner mfv unfo violin waltz MPEG 音 源 (48 khz, 20 bit, stereo) AAL 平 均 AAL 最 悪 ALS 平 均 ALS 最 悪 avemaria blackandtan broadway cherokee clarinet cymbal dcymbals etude flute fouronsix haffner mfv unfo violin waltz 注 ) 今 回 測 定 に 用 いた AAL アルゴリズムは 20 ビット 入 力 に 対 して エンコード 時 に 4 ビット 右 シフト し LSB 側 20 ビット 詰 めで 24 ビット 処 理 を 行 い デコード 時 には 4 ビット 左 シフトし MSB 側 20 ビッ トを 取 り 出 し 出 力 している MPEG 音 源 (48 khz, 24 bit, stereo) AAL 平 均 AAL 最 悪 ALS 平 均 ALS 最 悪 avemaria blackandtan broadway cherokee clarinet cymbal dcymbals etude

33 flute fouronsix haffner mfv unfo violin waltz MPEG 音 源 (96 khz, 24 bit, stereo) AAL 平 均 AAL 最 悪 ALS 平 均 ALS 最 悪 avemaria blackandtan broadway cherokee clarinet cymbal dcymbals etude flute fouronsix haffner mfv unfo violin waltz 独 自 音 源 (48 khz) AAL 平 均 AAL 最 悪 ALS 平 均 ALS 最 悪 item1(シンセ) Sony (2ch) item2( 室 内 楽 ) item3(ノイズ) Rand( 白 色 雑 音 ) NTT (1ch) Sine_1kHz( 正 弦 波 ) Square_1kHz( 矩 形 波 ) ZeroConst( 定 数 ) 独 自 音 源 (96 khz) AAL 平 均 AAL 最 悪 ALS 平 均 ALS 最 悪 NHK (2ch) cembalo

34 drum_japan Pf+cello piano quartet NTT Ensemble (5.1ch) Ensemble ( 注 )SMPTE302M の 点 線 は リニア PCM 使 用 時 の 原 音 データに 対 する 情 報 量 を 示 す 120 SMPTE 302M (125%@16bit) 100 情 報 量 の 割 合 (%) AAL 平 均 AAL 最 悪 ALS 平 均 ALS 最 悪 20 0 avemaria blackandtan broadway cherokee clarinet cymbal dcymbals etude flute fouronsix haffner mfv unfo violin waltz 入 力 ファイル 図 5.6-1(a) MPEG 音 源 15 種 類 (48kHz 16bit stereo) 34

35 SMPTE 302M ( 注 )SMPTE302M の 点 線 は リニア PCM 使 用 時 の 原 音 データに 対 する 情 報 量 を 示 す AAL 平 均 AAL 最 悪 ALS 平 均 ALS 最 悪 avemaria blackandtan broadway cherokee clarinet cymbal dcymbals etude flute 情 報 量 の 割 合 (%) fouronsix haffner mfv unfo violin waltz 入 力 ファイル 図 5.6-1(b) MPEG 音 源 15 種 類 (48kHz 20bit stereo) 120 ( 注 )SMPTE302M の 点 線 は リニア PCM 使 用 時 の 原 音 データに 対 する 情 報 量 を 示 す 情 報 量 の 割 合 (%) SMPTE 302M (117%@24bit) AAL 平 均 AAL 最 悪 ALS 平 均 ALS 最 悪 0 avemaria blackandtan broadway cherokee clarinet cymbal dcymbals etude flute 入 力 ファイル fouronsix haffner mfv unfo violin waltz 図 5.6-1(c) MPEG 音 源 15 種 類 (48kHz 24bit stereo) 35

36 120 ( 注 )SMPTE302M の 点 線 は リニア PCM 使 用 時 の 原 音 データに 対 する 情 報 量 を 示 す 100 SMPTE 302M (117%@24bit) AAL 平 均 AAL 最 悪 ALS 平 均 ALS 最 悪 情 報 量 の 割 合 (%) avemaria blackandtan broadway cherokee clarinet cymbal dcymbals etude flute 入 力 ファイル fouronsix haffner mfv unfo violin waltz 図 5.6-1(d) MPEG 音 源 15 種 類 (96kHz 24bit stereo) ( 注 )SMPTE302M の 点 線 は リニア PCM 使 用 時 の 原 音 データに 対 する 情 報 量 を 示 す 情 報 量 の 割 合 (%) SMPTE 302M (117%@24bit) AAL 平 均 AAL 最 悪 ALS 平 均 ALS 最 悪 SMPTE 302M (125%@16bit) 20 0 item1 item2 item3 Rand Sine_1kHz Square_1kHz ZeroConst Sony (2ch) 入 力 ファイル NTT (1ch) 図 5.6-1(e) 独 自 音 源 (48kHz) 36

37 SMPTE 302M ( 注 )SMPTE302M の 点 線 は リニア PCM 使 用 時 の 原 音 データに 対 する 情 報 量 を 示 す 情 報 量 の 割 合 (%) AAL 平 均 AAL 最 悪 ALS 平 均 ALS 最 悪 0 cembalo drum_japan Pf+cello piano quartet Ensemble1 Ensemble2 NHK (2ch) 入 力 ファイル NTT (5.1ch) 図 5.6-1(f) 独 自 音 源 (96kHz) (3) 一 音 源 内 でのフレーム 毎 の 圧 縮 性 能 比 較 今 回 測 定 した 音 源 のうち 典 型 例 として 2 例 (SONY 音 源 : 室 内 楽 NHK 音 源 : 和 太 鼓 )について 音 声 フレーム 毎 の 圧 縮 性 能 を 以 下 にグラフで 示 す ( 注 )SMPTE302M の 点 線 は リニア PCM 使 用 時 の 原 音 データに 対 する 情 報 量 を 示 す 情 報 量 の 割 合 (%) SMPTE 302M 125%@16bit AAL ALS フレーム 番 号 図 5.6-2(a) フレーム 毎 の 圧 縮 性 能 ( 室 内 楽 :48kHz 16bit 2ch) 37

38 120 ( 注 )SMPTE302M の 点 線 は リニア PCM 使 用 時 の 原 音 データに 対 する 情 報 量 を 示 す 100 SMPTE 302M 117%@24bit 情 報 量 の 割 合 (%) フレーム 番 号 AAL ALS 図 5.6-2(b) フレーム 毎 の 圧 縮 性 能 ( 和 太 鼓 :96kHz 24bit 2ch) 38

39 5.7 ロスレス 音 声 符 号 化 TS 生 成 実 証 実 験 報 告 目 的 ロスレス 音 声 符 号 化 方 式 である MPEG-4 ALS 符 号 化 および AAL for broadcasting で 音 声 信 号 をロスレス 圧 縮 し MPEG-2 システム 準 拠 の TS を 生 成 できることを 確 認 する MPEG-4 ALS の 詳 細 は 付 録 1 AAL for broadcasting の 詳 細 は 付 録 2 を 参 照 実 施 日 平 成 20 年 6 月 13 日 参 加 者 浦 野 ( 音 声 符 号 化 方 式 作 業 班 主 任 日 本 テレビ) ソニー NTT NHK 実 験 場 所 ARIB 会 議 室 実 験 項 目 1 MPEG-4 ALS で 符 号 化 されたビットストリームを 含 む TS の 生 成 MPEG-4 ALS で 圧 縮 されたビットストリームによる MPEG-2 TS の 生 成 が 可 能 であ ることを 下 記 により 確 認 した TS 用 のエディタでストリーム 内 容 確 認 専 用 ソフトウェアでリアルタイム 多 重 分 離 復 号 再 生 2 AAL for broadcasting で 符 号 化 されたビットストリームを 含 む TS の 生 成 AAL for broadcasting で 圧 縮 されたビットストリームによる MPEG-2 TS の 生 成 が 可 能 であることを 下 記 により 確 認 した TS 用 のエディタでストリーム 内 容 確 認 専 用 ソフトウェアでリアルタイム 多 重 分 離 復 号 再 生 TS 作 成 付 帯 デモンストレーション (MPEG-4 ALS のみ 付 録 3 参 照 ) ロスレス 圧 縮 符 号 化 音 声 と 映 像 (H264/AVC)との TS レベルでの 多 重 化 と 再 生 音 声 を 優 先 した 映 像 との 統 合 ビットレート 制 御 による TS レベルでの 多 重 化 と 再 生 まとめ ロスレス 音 声 符 号 化 方 式 による 圧 縮 ビットストリームにより MPEG-2 システム 準 拠 のTS の 生 成 を 確 認 した また 付 帯 デモンストレーションにより 音 声 のロスレス 符 号 化 の 有 効 利 用 についての 議 論 の 具 体 化 が 喚 起 された 39

40 付 録 1 MPEG-4 ALS で 符 号 化 されたビットストリームを 含 む TS の 生 成 実 験 目 的 MPEG-4 ALS 符 号 化 で 圧 縮 し 圧 縮 ビットストリームにより MPEG-2 システム 準 拠 の TS を 生 成 できることを 確 認 する 符 号 化 パラメータ フレームサイズ: 8008 サンプル/フレーム 線 形 予 測 次 数 最 大 15 次 ブロック 分 割 最 大 3 段 LTP MCC/JS 実 験 結 果 本 実 験 では まず 5 種 類 の 音 声 信 号 (いずれも 48kHz,24bit,5.1ch)について ALS 圧 縮 性 能 を 事 前 に 測 定 した その 後 各 音 声 信 号 における 最 悪 ビットレートを 固 定 的 に 割 り 当 てて TS を 作 成 した 実 験 に 用 いた 音 声 信 号 の ALS 圧 縮 性 能 を 表 に 示 す 表 実 験 に 用 いた 5.1 マルチチャネル 音 声 信 号 の MPEG-4 ALS 圧 縮 性 能 音 声 入 力 信 号 サラウンド 収 録 PCM レート 再 生 時 間 [sec] 平 均 [Mbps] 最 悪 [Mbps] 標 準 偏 差 48kHz/24bit/5.1ch [Mbps] 1 スポーツ( 相 撲 ) オーディオドラマ( 浅 間 ) 音 楽 インドラマ(ジャズ) 音 楽 (パイプオルガン) 音 楽 インドラマ(ドラマ 音 楽 ) 最 悪 レートは 8008 サンプル/フレーム 3 フレーム( 約 500ms)を 単 位 とした 時 の 最 悪 値 作 成 した MPEG-2 TS の 妥 当 性 は 机 上 およびエンコーダ 多 重 化 ツールの 出 力 ログ TS エディタによる 内 容 の 分 析 により 確 認 した さらに 上 記 生 成 された TS を PC を 用 いてソ フトウェアによりリアルタイムで 多 重 分 離 し 再 生 可 能 であることで TS の 妥 当 性 を 確 認 し た まとめ MPEG-4ALS 符 号 化 方 式 で 音 声 信 号 をロスレス 圧 縮 し MPEG-2 システム 準 拠 の TS を 生 成 し 机 上 およびエンコーダ MUX ツールの 出 力 したログおよび TS エディタによる 内 容 確 認 によって TS の 妥 当 性 の 検 証 と PC を 用 いた TS のリアルタイムに 多 重 分 離 再 生 する 実 験 により MPEG-4 ALS を 用 いた TS の 生 成 を 確 認 した 40

41 付 録 2 ATRAC Advanced Lossless for Broadcasting の TS 作 成 実 験 目 的 高 度 衛 星 デジタル 放 送 方 式 のロスレス 音 声 符 号 化 方 式 の 検 討 に 関 連 して ATRAC Advanced Lossless for Broadcasting 符 号 化 方 式 で 音 声 信 号 をロスレス 圧 縮 し MPEG-2 システム 準 拠 の TS を 生 成 できることを 確 認 する 実 験 概 要 ソフトウェア AAL エンコーダ 固 定 長 TS 化 ツール 固 定 長 TS 入 力 のソフトウェア AAL デコーダを 用 いてTSの 生 成 復 号 再 生 を 模 擬 する これにより エンコーダ 入 力 とデ コーダ 出 力 の 一 致 検 証 を 行 い ロスレスで 復 号 できていることを 確 認 する このとき エ ンコーダ 入 力 をプリスキャンして 最 悪 フレームサイズを 算 出 しておき この 最 悪 フレーム サイズに 基 づき 固 定 長 TS 化 に 必 要 な NULL パケットを 挿 入 して 固 定 レート 化 を 実 現 する LPCM 入 力 AAL エンコーダ 非 固 定 長 PES ペイロード 固 定 長 TS 化 ツール 固 定 長 TS LPCM 出 力 固 定 長 TS 入 力 のソフトウェア AAL デコーダ 符 号 化 器 概 要 - AAL (2ch) - デコーダの 音 声 遅 延 用 バッファ 量 約 42.67msec に 設 定 実 験 に 用 いた 音 源 - 48 khz, 16 bit, 2ch の 音 楽 信 号 41

42 参 考 : 実 験 に 用 いた 2 チャネル 音 声 信 号 の AAL の 圧 縮 性 能 < 実 験 方 法 > 音 声 入 力 信 号 音 声 符 号 化 方 式 符 号 化 パラメータ 使 用 機 器 48kHz/16bit/2ch ATRAC Advanced Lossless for Broadcasting 音 声 符 号 化 フレームサイズ 2048 サンプル/フレーム 線 形 予 測 次 数 最 大 8 次 Windows PC < 実 験 結 果 > 音 声 入 力 信 号 2 チャネルステレオ 収 録 PCM レート 再 生 時 間 [sec] 平 均 [Mbps] 最 悪 [Mbps] 48kHz/16bit/2ch [Mbps] 1 Sony item Sony item 最 悪 レートは 2048 サンプル/フレーム( 約 42.66ms)を 単 位 とした 時 の 最 悪 値 まとめ ATRAC Advanced Lossless for Broadcasting 符 号 化 方 式 で 音 声 信 号 をロスレス 圧 縮 し MPEG-2 システム 準 拠 の TS を 生 成 し PC を 用 いた TS のリアルタイム 再 生 する 実 験 によ り ATRAC Advanced Lossless for Broadcasting を 用 いて TS の 生 成 が 可 能 であることを 確 認 した 42

43 付 録 3 MPEG-4 ALS と AVC/H.264 映 像 符 号 化 との TS 作 成 多 重 化 再 生 デモンストレ ーション 目 的 TS 作 成 実 験 に 付 随 して 映 像 との 多 重 化 TS を 作 成 し 実 時 間 再 生 した 実 施 項 目 1 ロスレス 圧 縮 符 号 化 音 声 と 映 像 (H264/AVC)との TS レベルでの 多 重 化 と 再 生 2 音 声 を 優 先 した 映 像 との 統 合 ビットレート 制 御 による TS レベルでの 多 重 化 と 再 生 符 号 化 伝 送 パラメータ - TS RATE 17Mbps 注 1) - AUDIO ES RATE 6.912Mbps-ALS 圧 縮 余 剰 (MPEG-4 ALS 準 拠 ) 注 2) 注 - VIDEO ES RATE 8.775Mbps+ALS 圧 縮 余 剰 1) (H.264 4:2:0 フォーマット) - 映 像 エンコード+デコードの 遅 延 量 約 500msec に 設 定 - デコーダの 音 声 遅 延 用 バッファ 量 約 500msec に 設 定 注 1)ALS 圧 縮 余 剰 = 入 力 PCM レート(6.912Mbps)-ALS 圧 縮 後 のレート 注 2)VIDEO ES RATE の 数 値 はターゲットレート デモに 用 いた 音 源 画 像 - 音 楽 信 号 5 種 類 (48 khz, 24 bit, 5.1 ch) - ハイビジョン システム 評 価 用 標 準 動 画 像 (1920x1080, 16:9) デモ 内 容 1 ロスレス 圧 縮 符 号 化 音 声 と 映 像 (H264/AVC)との TS レベルでの 多 重 化 と 再 生 事 前 収 録 放 送 ( 完 パケ)を 想 定 して 当 該 プログラムにおける ALS 圧 縮 後 の 最 悪 レート に 関 する 情 報 が 事 前 に 得 られたとして 最 悪 レート 相 当 を 音 声 符 号 化 側 に 割 り 当 て 残 り を 映 像 符 号 化 側 に 固 定 的 に 割 り 当 てて 多 重 化 した TS を 作 成 する 例 えば 音 声 信 号 4. 音 楽 (パイプオルガン) の 場 合 では ファイル 全 体 の ALS 圧 縮 後 の 最 悪 レートが 4.628Mbps であったことから 最 悪 レートをもとに 計 算 した ALS 圧 縮 余 剰 は =2.284Mbps となった これにより 映 像 の ES レートは 8.775Mbps Mbps= Mbps とした 以 上 の 手 順 により ソフトウェアにより ALS ストリーム( 音 声 )および H.264/AVC スト リーム( 映 像 )をオフラインエンコードし MPEG-2 TS に 多 重 化 した さらに 上 記 生 成 され た TS を PC を 用 いてソフトウェアによりリアルタイムで 多 重 分 離 し 再 生 可 能 であるこ とを 示 した 43

44 ビデオ ファイル 入 力 Audio Enc (MPEG-4 ALS) プログラム 全 体 の オーディオ 最 悪 レート オフラインエンコード Video Enc (H.264/AVC) MUX MPEG2-TS オーディオ ファイル 入 力 Audio Enc (MPEG-4 ALS) PC 上 のソフトウェア HDD HDD MPEG2-TS リアルタイムデコード Video Dec (H.264/AVC) DE MUX Audio Dec (MPEG-4 ALS) ディスプレイ オーディオ デバイス PC 上 のソフトウェア 図 デモシステム( 余 剰 ビットレートをプログラム 内 固 定 割 り 当 て) 2 音 声 を 優 先 した 映 像 との 統 合 ビットレート 制 御 による TS レベルでの 多 重 化 と 再 生 事 前 に 測 定 した 入 力 音 声 信 号 に 対 する ALS 圧 縮 性 能 のデータ(フレーム 毎 の 圧 縮 率 )を 用 いて 500ms の GOP 単 位 ごとに 直 前 の GOP での ALS 圧 縮 後 の 余 剰 ビットレートを 映 像 に 追 加 で 動 的 に 割 当 てた(GOP 単 位 で 映 像 のターゲットレートを 制 御 ) これによって 実 効 的 には PCM レートから ALS 圧 縮 後 の 平 均 レートを 差 し 引 いた 余 剰 ビットレート 相 当 を 映 像 に 追 加 で 割 り 当 てることができる 例 えば 4. 音 楽 (パイプオルガン) では フ ァイル 全 体 の ALS 圧 縮 後 の 平 均 レート( 実 測 値 )が 4.026Mbps であったことから ALS 圧 縮 余 剰 は =2.886Mbps であった 余 剰 ビットレートを 映 像 に 動 的 に 割 り 当 て ることで 映 像 ES の 平 均 レートはおよそ 8.775Mbps+2.886Mbps=11.661Mbps となった 以 上 の 手 順 により ソフトウェアにより ALS ストリーム( 音 声 )および H.264/AVC スト リーム( 映 像 )をオフラインエンコードし MPEG-2 TS に 多 重 化 した さらに 上 記 生 成 され た TS を PC を 用 いてソフトウェアによりリアルタイムで 多 重 分 離 し 再 生 可 能 であるこ とを 示 した 44

45 オフラインエンコード ビデオ Video Enc ファイル 入 力 (H.264/AVC) 当 該 ビデオフレームエンコード 時 点 までの 各 オーディオ MUX フレームの 圧 縮 率 情 報 Audio Enc オーディオ (MPEG-4 ALS) ファイル 入 力 PC 上 のソフトウェア MPEG2-TS HDD リアルタイムデコード MPEG2-TS Video Dec ディスプレイ (H.264/AVC) DE MUX Audio Dec HDD オーディオ (MPEG-4 ALS) デバイス PC 上 のソフトウェア 図 デモシステム( 余 剰 ビットレートをフレーム 単 位 で 動 的 割 り 当 て) 下 記 の3 種 の 条 件 の TS を PS3 で 多 重 分 離 し 映 像 部 分 だけを 実 時 間 再 生 した (1) リニア PCM 音 声 符 号 化 相 当 (SMPTE302M, H.264/AVC 固 定 レート) (2) 1の 映 像 への 固 定 割 り 当 て (MPEG-4 ALS, H.264/AVC 固 定 レート) (3) 2の 映 像 への 動 的 割 り 当 て (MPEG-4 ALS, H.264/AVC 可 変 レート) 表 レート 割 り 当 ての 実 例 ( 音 声 入 力 ファイル 4. 音 楽 (パイプオルガン) の 例 ) 音 声 フォーマット (48kHz,24bit,5.1ch) 映 像 フォーマット (1920x1080 (1080i) 16:9) 伝 送 フォーマット 音 声 ALS のレートは 実 測 値 映 像 のレートはターゲットレート (1) リニア PCM 相 当 Mbps (ES レート) (SMPTE302M) (2) MPEG-4 ALS 固 定 レート Mbps (プログラム 毎 の 最 悪 レートに 設 定 ) (3) MPEG-4 ALS 平 均 約 4.026Mbps 可 変 レート (6.912-[ALS 圧 縮 余 剰 ] Mbps) (1) 固 定 レート Mbps (ES レート) (リニア PCM 相 当 に 対 応 ) (2) 固 定 レート Mbps (ALS 固 定 レートに 対 応 ) ( 音 声 圧 縮 後 の 余 剰 を 割 当 て) (3) 可 変 レート 平 均 約 Mbps (ALS 可 変 レートに 対 応 ) (8.775+[ALS 圧 縮 余 剰 ] Mbps) MPEG-2 TS 45