DE69032697T2

DE69032697T2 - Codierverfahren und Codiervorrichtung

Info

Publication number: DE69032697T2
Application number: DE69032697T
Authority: DE
Inventors: Kenzo C/O Sony Corporation Tokyo Akagiri; C/O Sony Corporation Tokyo Akune Makoto; Yoshihhito C/O Sony Corporation Tokyo Fujiwara; Naoto C/O Sony Corporation Tokyo Iwahashi; Masayuki C/O Sony Corporation Tokyo Nishiguchi
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 1989-07-19
Filing date: 1990-07-19
Publication date: 1999-03-18
Anticipated expiration: 2010-07-20
Also published as: DE69032697D1; KR100209475B1; CA2021437C; HK1013528A1; US5197087A; EP0409248A3; JPH0352332A; AU5894990A; US5299239A; EP0409248B1; KR910003955A; EP0409248A2; JP2844695B2; US5299238A; US5299240A; AU639002B2; CA2021437A1

Description

Diese Erfindung betrifft ein Signalcodierverfahren für in codierter Form zu übertragende digitale Eingangssignale, wobei die Eingangssignale, die von einer vorbestimmten Eigenschaft dieser Signale abhängen, adaptiv zu Signalblöcken einer gewissen Blocklänge gruppiert werden, wobei die Signale jedes Blocks orthogonal konvertiert und einer Codierung unterworfen werden, und eine Signalcodiervorrichtung zur Durchführung dieses Verfahrens, wobei das Eingangssignal eine Tonfrequenz (Audio) oder ein Bild (Video) darstellen.
Bei einer orthogonalen Konversion, die bei einer unter die Codierungstechniken für eine Signalkompression fallenden Konversionscodierung ausgeführt wird, gibt es eine diskrete Fourier-Transformation (DFT), eine Hadamard- Transformation, eine Karhunen-Loeve-Transformation (KLT), eine diskrete Cosinustransformation (DCT) und eine Legendre-Transformation. Diese orthogonalen Transformationen konvertieren die Abtastwerte in gegenseitig orthogonale Achsen zur Entfernung (oder Reduzierung) einer Korrelation zwischen den Abtastwerten oder Konzentration der Signalenergien auf gewisse Koeffizienten und stellen einen der Kompressionskunstgriffe für Daten wie beispielsweise Ton oder Videobild dar.
Unter diesen orthogonalen Transformationen ist die obige diskrete Fourier-Transformation eine Transformation, bei welcher das Signal nach der Transformation ein Ausdruck auf der Frequenzachse des ursprünglichen Signalausdrucks auf der Zeitachse ist, so daß die Steuerung des Rauschabstandes auf der Frequenzachse zum Zeitpunkt einer Quantisierung des konvergierten Signals erleichtert wird. Infolgedessen wird bei Anwendung eines Tonfrequenzsignals eine Codierung unter Verwendung der Charakteristiken der Frequenzachse des menschlichen Gehörsinns möglich, so daß der Rauschabstand verbessert werden kann, soweit es den Gehörsinn betrifft. Bei einer Anwendung auf Videosignale differieren menschliche Sehcharakteristiken zwischen der niedrigen Frequenzkomponente und der hohen Frequenzkomponente derart, daß nach Konversion des Eingangsvideosignals in diese Komponenten eine nachfolgende Codierung zur Realisierung einer effektiven Kompression gemacht werden kann.
Bei einem solchen orthogonalen Kompressionssystem ist eine Konversion auf der Basis Block-um-Block üblich, wobei Eingangssignale in vorbestimmte Längen auf der Zeitachse oder auf der Frequenzachse geteilt werden, wobei die Blocklänge einen konstanten Wert aufweist. Diese Blocklänge ist unter Berücksichtigung der statistischen Eigenschaften des Eingangssignals, d. h. den Eigenschaften eines typischen Eingangssignals bestimmt worden. Beispielsweise wird in dem Fall von Musiksignalen die Blocklänge auf der Basis der oben angegebenen menschlichen Höreigenschaften bestimmt, während im Fall von Videosignalen die Blocklänge auf der Basis der menschlichen Seheigenschaften bestimmt wird.
In Wirklichkeit werden jedoch tatsächliche Eingangssignale wie beispielsweise Tonfrequenz- oder Bildsignale in ihren Eigenschaften, beispielsweise den Pegeln mit der Zeit so auffällig geändert, daß die vorliegende Blocklänge zu einem gewissen Zeitpunkt nicht optimal zu sein braucht. Deshalb kann bei einer orthogonalen Konversion eines solchen Eingangssignals bei der vorbestimmten Länge des Blocks und einer Decodierung des so konvergierten Signals der Rauschabstand verschlechtert werden. Es ist bekannt, die Blocklänge der orthogonalen Konversion entsprechend den Eigenschaften des digitalen Eingangssignals adaptiv zu ändern.
Aus dem Artikel in "ICA SSP '89 Proceedings, Vol. 3, Seiten 1854-1857", der die Basis des Oberbegriffs des Anspruchs 1 bildet, ist es bekannt, daß für jedes digitale Eingangssignal, das auf einem in codierter Form zu übertragenden Bild basiert, die optimale Blocklänge auf der Basis der tatsächlichen Eigenschaft des Eingangssignals realzeitartig berechnet wird. Die Durchführung dieses Verfahrens würde zu einem äußerst unpraktischen Gerät führen, wobei weiter in Betracht zu ziehen ist, daß Daten auf der gewählten Blocklänge ebenfalls übertragen werden müssen.
Eine ähnliche, sehr theoretisch mathematische Betrachtung in Bezug auf Tonfrequenzsignale wird in IEEE Transactions on ASSP, Vol. 25, Nr. 4, Seiten 322-330 diskutiert.
Andererseits wäre wie oben diskutiert eine einfache Ausführung möglich, wenn nur eine und konstante Blocklänge verwendet wird.
Deshalb ist es Aufgabe der vorliegenden Erfindung, eine Übertragung codierter digitaler Eingangssignale auf der Basis der Idee einer Verwendung einer Blocklänge eines konstanten, jedoch entsprechend den tatsächlichen Eigenschaften des digitalen Eingangssignals so anpaßbaren Wertes, daß der Rauschabstand verbessert ist, zu ermöglichen.
Die Lösung gemäß dieser Erfindung ist im Anspruch 1 angegeben. Ein Gerät zur Ausführung des Verfahrens nach Anspruch 1 ist im Anspruch 4 angegeben.
Weitere vorteilhafte Merkmale und Eigenschaften sind in den Unteransprüchen angegeben.
Die Fig. 1 ist ein Blockschaltbild, welches einen schematischen Aufbau eines Geräts gemäß einer Ausführungsform der vorliegenden Erfindung darstellt, Fig. 2 ist ein Wellenformdiagramm zur Darstellung der optimalen Blocklänge eines Audiosignals, und Fig. 3 ist ein Blockschaltbild, welches einen schematischen Aufbau einer anderen Ausführungsform der vorliegenden Erfindung zeigt.
Eine Ausführungsform der vorliegenden Erfindung wird nachfolgend unter Bezugnahme auf die Zeichnungen erläutert.
Die Fig. 1 zeigt einen generellen Aufbau des die vorliegende Erfindung verkörpernden Geräts. Der Basisfluß der Signalverarbeitung im Gerät nach der vorliegenden Erfindung wird kurz erklärt.
Dies bedeutet unter Bezugnahme auf die Fig. 1, daß ein Eingangssignal einem Eingangsanschluß 1 eines Codierers 10 zugeführt wird. Die Signalwellenform dieses Eingangssignals wird in Pufferspeichern 11, 12 sequentiell gespeichert, um von den Speichern 11 oder 12 einer Orthogonalkonversionsschaltung 17 als eine mit einem vorbestimmten Zeitintervall verblockte Datengruppe zugeführt zu werden. Zu diesem Zeitpunkt sind die Daten so angeordnet, daß die entlang der Zeitachse ausgeschnittene Blocklänge entsprechend dem Eingangssignal geändert wird. Bei der Orthogonalkonversionsschaltung 17 wird die Signalwellenform auf der Basis Block-um-Block in ein Signal auf der Frequenzachse konvertiert, die orthogonal zur Zeitachse ist.
Bei dem Gerät nach der vorliegenden Erfindung wird der Energiewert des in den Pufferspeichern 11, 12 gespeicherten Signals in Energiewertberechnungsschaltungen 13, 14 berechnet, wobei der Energiewert zu einer Blocklängenbestimmungsschaltung 15 übertragen wird, bei welcher die Daten, welche die Blocklänge anzeigen, auf der Basis des Energiewertes gebildet werden. Die auf diese Weise gebildeten Blocklängendaten werden zu dieser Orthogonalkonversionsschaltung 17 übertragen, bei welcher das Eingangssignal (Pufferspeicherausgangssignal) durch beispielsweise eine diskrete Fourier- Transformation (DFT) mit der auf den oben angegebenen Blocklängendaten basierenden Blocklänge zur Konversion von Signalen auf der Frequenzachse verarbeitet wird. Von der Orthogonalkonversionsschaltung 17 wird ein DFT-Koeffizient erzeugt und zu einem Quantisierer 18 übertragen, bei welchem er quantisiert und durch einen Ausgangsanschluß 2 über einen Übertragungskanal einem Anschluß 4 eines Decodierers 30 zugeführt wird. Wenn zum Zeitpunkt einer Fensterverarbeitung zum Ausschneiden der Signalwellenform auf der Basis der oben angegebenen Blocklängendaten außerhalb der Blockdaten liegende Daten benötigt werden, können den Bereich des intrinsischen Blocks überschreitende Daten so angepaßt werden, daß sie von den Pufferspeichern 11, 12 gesendet werden können.
Im Decodierer 30 wird beim Rückquantisierer 31 und der Rückorthogonalkonversionsschaltung 32 eine zur oben genannten Quantisierung und Orthogonalkonversion umgekehrte Operation ausgeführt. Dies bedeutet, daß beim Rückquantisierer 31 der beim Quantisierer 18 erhaltene DFT- Koeffizient rückquantisiert und in der Rückorthogonalkonversionsschaltung 32 das Signal vom rückquantisierten DFT-Koeffizienten wiedergewonnen wird. Der Rückorthogonalkonversionsschaltung 32 werden zu diesem Zeitpunkt die oben genannten, von der Blocklängenbestimmungsschaltung 15 des Decodierers 10 gefundenen Blocklängendaten über einen Anschluß 3, einen Übertragungskanal und einen Anschluß 5 zugeführt, so daß bei der in der Rückorthogonalkonversionsschaltung 32 bei den Blocklängendaten auf der Basis Block-um-Block ausgeführten Signalwiedergewinnung der DFT-Koeffizient durch die Orthogonalkonversion in eine Signalwellenform auf der Zeitachse konvertiert wird. Die Signalwellenformen auf der Zeitachse werden zu einer Wellenformverbindungsschaltung 33 gesendet, bei welcher die Signalwellenformen sequentiell miteinander verbunden werden, um an einem Ausgangsanschluß 6 als das decodierte Signal ausgegeben zu werden.
Generell weist die Orthogonalkonversion die Charakteristiken einer Entfernung (oder eines Schwindens) von Korrelationen zwischen Abtastwerten oder einer Konzentrierung von Signalenergien in gewissen Koeffizienten auf. Beispielsweise besteht wie oben erwähnt bei der diskreten Fourier-Transformation die Eigenschaft, daß bei einer Quantisierung des nachkonvertierten Signals der Rauschabstand leichter auf der Frequenzachse kontrolliert werden kann. Folglich kann bei dem Gerät nach der vorliegenden Erfindung im Fall von Audiosignalen eine Codierung unter Verwendung des menschlichen Gehörsinns so ausgeführt werden, daß der Rauschabstand im Gehörsinn verbessert werden kann.
Jedoch fluktuieren wie oben erwähnt die Eigenschaften, beispielsweise Pegel, der Audio- und Videosignale drastisch mit der Zeit, so daß es bei einer Orthogonalkonversion der Signale zum Zeitpunkt von Fluktuationen der Eigenschaften schwierig wird, die Korrelationen zwischen den Abtastwerten zu beseitigen (oder zu reduzieren), wobei es auch schwierig wird, den Rauschabstand auf der Frequenzachse zu kontrollieren. Beispielsweise sind in dem Fall eines in Fig. 2 gezeigten Audiosignals, bei welchen der Signalwellenformpegel oder das Frequenzspektrum innerhalb einer vorbestimmten Blocklänge L auf der Zeitachse signifikant geändert wird, d. h. wenn das Zeitband der anfänglichen Hälfte L/2 einer Blocklänge L, in welcher der Signalpegel hoch und die höher harmonischen Inhalte des Frequenzspektrums hoch sind und das Zeitband der letzten Hälfte L/2 einer Blocklänge L, in welcher der Signalpegel niedrig und die höher harmonischen Inhalte niedrig sind, in der gleichen Blocklänge L liegen und die Orthogonalkonversion mit dieser Blocklänge L ausgeführt wird, die Spektrumkomponenten des anfänglichen Zeitbandes bei der Codierung dieses Signals in das letzte Zeitband dispergiert.
Im Hinblick darauf ist das Gerät nach der vorliegenden Erfindung mit Pufferspeichern 11, 12 mit einer Speicherkapazität versehen, die beispielsweise einer Hälfte L/2 der Speicherkapazität in bezug auf die Blocklänge L entspricht.
Dies bedeutet, daß beispielsweise Audiosignale einem Eingangsanschluß 1 des vorliegenden Beispiels zugeführt und die Audiosignale mit einem Volumen gespeichert werden, das mit der Hälfte L/2 der Blocklänge L im Pufferspeicher 11 korrespondiert. Die im Pufferspeicher 11 gespeicherten Daten werden dann einem Umschalter 16, der auf der Basis der Blocklängendaten aus der Blocklängenbestimmungsschaltung 15 gesteuert geöffnet und geschlossen wird, und dann einem Pufferspeicher 12 zugeführt, der die mit der Hälfte L/2 der Blocklänge L korrespondierende Speicherkapazität aufweist, wo sie zum gleichen Zeitpunkt gespeichert werden, bei dem die nächsten Daten im Pufferspeicher 11 gespeichert werden. Die Energiewerte der in den Pufferspeichern 11 und 12 gespeicherten Signale werden in den Energiewertberechnungsschaltungen 13, 14 berechnet, und diese Energiewertdaten werden der Blocklängenbestimmungsschaltung 15 zugeführt. Die zwei Energiewerte werden in der Blocklängenbestimmungsschaltung 15 miteinander verglichen. Wenn die Differenz zwischen den zwei Energiewerten größer als ein vorbestimmter Wert ist, d. h., wenn einer der Energiewerte um einen vorbestimmten Wert größer als der andere ist, und wenn die Differenz zwischen den zwei Energiewerten kleiner als ein vorbestimmter Wert ist, werden die korrespondierenden Blocklängendaten ausgegeben. Das heißt, die Blocklängenbestimmungsschaltung 15 gibt Daten aus, welche den Umschalter 16 zur Übertragung von Daten abschalten, wenn die Differenz zwischen den zwei Energiewerten groß ist, und den Schalter 16 einschalten, wenn die Differenz zwischen den Energiewerten klein ist. Die oben angegebenen Blocklängendaten werden auch der Orthogonalkonversionsschaltung 17 zum Bewirken einer Orthogonalkonversion auf der Basis der Blocklängendaten zugeführt.
Bei dem obigen Aufbau wird das Sample der Blocklänge L üblicherweise einer Orthogonalkonversion unterworfen, wenn der Umschalter 16 im "Ein"-Zustand ist. Dies bedeutet, daß der Umschalter 16 dann, wenn die Differenz zwischen den zwei obigen Energiewerten klein ist, eingeschaltet wird, so daß die Daten aus den Pufferspeichern 11, 12 gleichzeitig der Orthogonalkonversionsschaltung 17 zugeführt werden. In dieser Schaltung 17 werden Daten der Pufferspeicher 11, 12 einer Orthogonalkonversion mit der Blocklänge L auf der Basis der Blocklängendaten unterworfen. In diesem Fall gibt es keine Signale in ein und demselben Block, die in ihren Eigenschaften signifikant fluktuieren, so daß die Korrelationen zwischen den Samples während der Orthogonalkonversion zur Verbesserung des Rauschabstandes entfernt (oder zum Schwinden gebracht) werden können. Wenn umgekehrt die Signalfluktuationen in der Blocklänge L innerhalb der Blocklänge verstärkt werden, werden die Samples mit der Hälfte L/2 der Blocklänge L bei ausgeschaltetem Umschalter 16 einer Orthogonalkonversion unterworfen. Dies bedeutet, daß, wenn die Differenz zwischen den zwei obigen Energiewerten groß ist, der Umschalter 16 ausgeschaltet wird, so daß nur Daten aus dem Pufferspeicher 12 der Orthogonalkonversionsschaltung 17 zugeführt werden und Signale mit beträchtlich geänderten Eigenschaften nicht in ein und dem selben Block existieren können. In diesem Fall kann ebenfalls zum Zeitpunkt der Orthogonalkonversion zur Verbesserung des Rauschabstandes die Korrelation zwischen den Abtastwerten eliminiert (oder zum Schwinden gebracht) werden. Die Frequenzspektren können ähnlich detektiert und neben den Energiewerten pro zur Hälfte L/2 geteiltem Block verglichen werden. Bei dem oben angegebenen Gerät kann auch die Zahl der Pufferspeicher auf mehr als 2 erhöht werden, um die Zahl Schritte zur Veränderung der Blocklänge zu erhöhen und Fluktuationen in den Eingangssignaleigenschaften feiner zu behandeln.
Bei der oben beschriebenen Ausführungsform kann auch bei den Tonfrequenz- und/oder Videosignalen, die bezüglich der Pegel oder Frequenzspektren ähnlich signifikant zu ändern sind, der Rauschabstand ohne Verschlechterung des Rauschabstandes des decodierten Signals verbessert werden, um decodierte Signale hoher Qualität zu erhalten.
Indessen werden bei der obigen Ausführungsform nach Fig. 1 L/2-Sampledaten parallel von den Pufferspeichern 11, 12 der Orthogonalkonversionsschaltung 17 zugeführt, um die variable Blocklängenoperation zu klären. Die vorliegende Erfindung kann jedoch auch in dem Fall angewendet werden, daß in der Orthogonalkonversionsschaltung serielle Eingangsdaten zur Orthogonalkonversion in Blöcke konvertiert werden. In der Fig. 3 ist ein Beispiel gezeigt. Nach dieser Figur werden Eingangssignale über einen Eingangsanschluß 1 des Codierers 40 sequentiell im Pufferspeicher 41 gespeichert. In der Blocklängenbestimmungsschaltung 43 werden Signale im Pufferspeicher 41 analysiert, um die Blocklänge der in der Orthogonalkonversionsschaltung 47 bewirkten diskreten Fourier-Transformation zur Ausgabe der Blocklängendaten zu bestimmen. Diese Blocklängendaten werden einer Wellenformschneideschaltung 42 zugeführt, in der die erforderlichen Daten sequentiell von den letzten Daten aus dem Pufferspeicher 41 auf der Basis der Blocklängendaten ausgegeben werden, um eine Fensterverarbeitung auszuführen. Es ist wie oben angegeben möglich, die Wellenformschneideblocklänge zwischen L und L/2 zu schalten, wobei die Wellenformschneideblocklänge feiner als L/2 geteilt werden kann, um die Zahl der Schritte von Änderungen in der Blocklänge zu erhöhen. Die so beschnittenen Daten werden einer Orthogonalkonversionsschaltung 47 zur Erzielung einer diskreten Fourier-Transformation auf der Basis der obigen Blocklängendaten zugeführt, um von der Schaltung 47 den DFT-Koeffizienten zu erzeugen, und die Quantisierungsoperation wird in einem Quantisierer 48 ausgeführt. Die Codierungsoperation und der Aufbau nach Fig. 3 sind gleich denen nach Fig. 1, so daß die korrespondierenden Teile mit den gleichen Bezugszeichen versehen sind und die Beschreibung fortgelassen ist. Wie oben beschrieben kann bei der Anordnung zur Codierung serieller Signale in Codes der zu dem der Fig. 1 ähnlich Effekt durch Änderung der Blocklänge der Orthogonalkonversion in der Orthogonalkonversionsschaltung 47 auf der Basis der Blocklängendaten realisiert werden.
Die Orthogonalkonversion kann nicht nur durch eine diskrete Fourier-Transformation, sondern auch durch einen Hadamard-Transformierer, eine Karhunen-Loeve-Transformation(KLT), eine diskrete Cosinustransformation (DCT) und/oder eine Legendre-Transformation ausgeführt werden.

Claims

1. Signalcodierverfahren für in codierter Form zu übertragende digitale Eingangssignale, wobei die Eingangssignale, die von einer vorbestimmten Eigenschaft dieser Signale abhängen, adaptiv als Signalblöcke einer gewissen Blocklänge gruppiert werden, wobei die Signale jedes Blocks orthogonal konvertiert und einer Codierung unterworfen werden, dadurch gekennzeichnet, daß

- die Eingangssignale als Signalblöcke einer vorbestimmten konstanten Blocklänge (L) gruppiert werden, die von den statistischen Eigenschaften eines typischen Eingangssignals abhängt,

- jeder Signalblock in wenigstens zwei Subblöcke geteilt wird,

- Isteigenschaften jedes Subblocks separat bestimmt werden,

- die bestimmten Isteigenschaften der Subblöcke eines Signalblocks verglichen werden, und

- wenn der Vergleich eine signifikante Änderung von Eigenschaften zwischen den Subblöcken eines Signalblocks zeigt, eine Konvertierung, Codierung und Übertragung wenigstens eines Subblocks gesperrt werden,

- andernfalls alle Subblöcke eines Signalblocks simultan konvertiert, codiert und übertragen werden.

2. Verfahren nach Anspruch 1, wobei die Isteigenschaft die Energie der digitalen Eingangssignale ist.

3. Verfahren nach Anspruch 1 oder 2, wobei jeder Signalblock in zwei Subblöcke gleicher Blocklänge (L/2) geteilt wird.

4. Signalcodiervorrichtung zur Durchführung eines Verfahrens nach einem der Ansprüche 1 bis 3, bestehend aus

- einer Pufferspeichereinrichtung (11, 12; 41), die aufeinanderfolgende, in codierter Form zu übertragende Eingangssignale empfängt und speichert, wobei die Gesamtkapazität der Pufferspeichereinrichtung (11, 12) mit einer vorbestimmten konstanten Blocklänge (L) korrespondiert, die von den statistischen Eigenschaften eines typischen Eingangssignals abhängt,

- einer mit der Pufferspeichereinrichtung (11, 12; 41) verbundenen Berechnungseinrichtung (13, 14; 43) zur separaten Bestimmung und Berechnung des Wertes einer Isteigenschaft von Subblöcken der gespeicherten digitalen Eingangssignale,

- einer Vergleichseinrichtung (15) zum Vergleich der jeweiligen Werte,

- einer Einrichtung (17, 18) zur orthogonalen Konvertierung, Codierung und Übertragung der in der Pufferspeichereinrichtung (11, 12) gespeicherten und von dieser zur Einrichtung (17, 18) übertragenen digitalen Eingangssignale,

- einer Selektoreinrichtung (16; 42) zum Sperren der Übertragung wenigstens eines Subblocks der in der Pufferspeichereinrichtung (11) gespeicherten digitalen Eingangssignale zur Einrichtung (17, 18), wenn der Vergleich eine signifikante Änderung der berechneten Werte zeigt.

5. Vorrichtung nach Anspruch 4, wobei die Pufferspeichereinrichtung wenigstens zwei Pufferspeicher (11, 12) und die Selektoreinrichtung eine Schalteinrichtung (16) aufweist, welche die Übertragung von wenigstens einem der Pufferspeicher (11, 12) abschaltet, wenn diese Übertragung zu sperren ist.

6. Vorrichtung nach Anspruch 4, wobei die Selektoreinrichtung die gespeicherten digitalen Eingangssignale sequentiell ausgibt und eine Fensterverarbeitung auf der Basis des Vergleichs ausführt.

7. Vorrichtung nach einem der Ansprüche 4 bis 6, wobei die Isteigenschaft die Energie der digitalen Eingangssignale ist.

8. Vorrichtung nach einem der Ansprüche 4 bis 7, wobei die Pufferspeichereinrichtung (11, 12; 41) und die Selektoreinrichtung (16; 42) zum Sperren der Übertragung der mit der Hälfte (L/2) einer Blocklänge (L) korrespondierenden gespeicherten digitalen Eingangssignale ausgebildet ist.