-
GEBIET DER
ERFINDUNG
-
Die
Erfindung bezieht sich auf ein Verfahren zum Codieren digitaler
Daten, bei dem beim Aufzeichnen musikalischer Töne, Klänge usw. in Aufzeichnungsmedien
wie etwa Minidiscs zu dem Spektrum jedes Frequenzbandes in Reaktion
auf die musikalischen Töne,
Klänge
usw. Bits zugewiesen werden, um das Datenvolumen zu komprimieren.
-
HINTERGRUND
DER ERFINDUNG
-
Das
in Minidiscs verwendete ATRAC (Adaptive Transform Acoustic Coding)
ist ein Verfahren zur sehr effizienten komprimierten Codierung digitaler Daten
wie etwa musikalischer Töne
und Klänge.
Da die digitalen Daten im ATRAC mit hoher Effizienz komprimiert
werden, werden sie zuerst in mehrere Frequenzbänder zerlegt, daraufhin in Übereinstimmung
mit Zeiteinheiten veränderlicher
Länge in
Blöcke
unterteilt und durch eine MDCT-Verarbeitung (Verarbeitung durch
modifizierte diskrete Kosinustransformation) in Spektralsignale
transformiert, woraufhin jedes Spektralsignal unter Berücksichtigung gehörpsychologischer
Eigenschaften durch die Anzahl quantisierter Bits, die ihm zugewiesen
worden sind, codiert wird.
-
Unter
den gehörpsychologischen
Eigenschaften, die auf die komprimierte Codierung angewendet werden
können,
sind die Lautstärkepegeleigenschaften
und die Maskierungswirkung. Die Lautstärkepegeleigenschaften zeigen,
dass sich die von einer Person gefühlte Lautstärke eines Klangs selbst bei
dem gleichen Klangdruckpegel gemäß der Frequenz
des Klangs ändert.
Dementsprechend zeigt dies, dass sich die untere Hörgrenze,
die die kleinste Lautstärke
zeigt, die von einer Person gehört
werden kann, gemäß der Frequenz ändert. Bezüglich der Maskierungswirkung
gibt es zwei Arten: gleichzeitige Maskierungswirkung und verstrichene
Maskierungswirkung. Die gleichzeitige Maskierungswirkung ist eine
Erscheinung, in der es ein Klang erschwert, einen anderen zu hören, wenn
mehrere Klänge
mit verschiedener Frequenzzusammenset zung gleichzeitig auftreten.
Die verstrichene Maskierungswirkung ist eine Erscheinung, in der
die Maskierung vor und nach einem lauten Klang entlang der Zeitachse
des lauten Klangs auftritt.
-
Ein
Beispiel des Standes der Technik, das die verstrichene Maskierungswirkung
nutzt, ist die japanische ungeprüfte
Patentveröffentlichung
Nr. 5-91061/1993. Wenn in diesem Stand der Technik in einer der
Frequenzumsetzungs-Zeiteinheiten ein Übergangssignal enthalten ist,
werden in Übereinstimmung
mit einer Wortlange, die sich je nach der Energie vorangehender
Zeiteinheiten und der Größe der Maskierung ändert, Bits
zugewiesen, wodurch eine "Vor-Echo" genannte Klangqualitätsverschlechterung
verhindert wird. Die japanische ungeprüfte Patentveröffentlichung
Nr. 5-248972/1993 schlägt wieder
eine Technik zur Verbesserung der Effizienz der Codierung unter
Verwendung der verstrichenen Maskierung in Bezug auf die spektrale
Verteilung vorangegangener Zeiteinheiten vor.
-
Ein
weiteres Beispiel der Bitzuweisung unter Verwendung der gehörpsychologischen
Eigenschaften ist ein so genanntes Wiederholungsverfahren, in dem
die tatsächliche
zur Eingabe digitaler Daten geeignete Bitzuweisung wie folgt ausgeführt wird.
Zunächst
werden die Leistung S jedes Frequenzbandes und die Maskierungsschwelle
M dieser Leistung S in den anderen Frequenzbändern ermittelt. Nachfolgend
wird aus der Maskierungsschwelle M und aus der Leistung des quantisierten
Rauschens N(n) (wobei jedes Frequenzband in n Bits quantisiert wird)
das Maskierungsschwellen/Rausch-Verhältnis berechnet, das MNR(n)
= M/N(n) ist. Daraufhin wird dieses Maskierungsschwellen/Rausch-Verhältnis MNR(n) nach
der Bitzuweisung für
das Frequenzband mit dem kleinsten Maskierungsschwellen/Rausch-Verhältnis MNR(n)
erneut berechnet, wobei dem Frequenzband mit dem kleinsten Verhältnis Bits
zugewiesen werden.
-
Es
wird angemerkt, dass das Modell für die untere Hörgrenze,
für die
Maskierungsschwelle usw., die oben erwähnt worden sind, die Gehöreigenschaften
von Personen mit typischen Gehöreigenschaften sind.
Dementsprechend gibt es Fälle,
in denen die Hörer
wegen Unterschieden im Hören
oder Vorlieben ein Gefühl
von Missklang fühlen.
-
Zum
Beispiel wird die Bitzuweisung in Fällen, in denen die spektrale
Zusam mensetzung der digitalen Eingangsdaten wie weißes Rauschen
verhältnismäßig flach
ist, mit der Maskierungsschwelle bei der unteren Hörgrenze
vorgenommen, so dass die meisten quantisierten Bits dem mittleren
bis unteren Bereich zugewiesen werden. Je nach der Größe der spektralen
Zusammensetzung können
dem ultratiefen und dem ultrahohen Bereich dementsprechend möglicherweise
keine quantisierten Bits zugewiesen werden, was den Hörern ein
Gefühl
des Missklangs gibt.
-
Wenn
das digitale Eingangssignal eine zusammengesetzte Schwingung ist,
die aus einem Signal mit einem schmalen Spektralband (wie etwa aus einem
Sinusschwingungssignal) und weißem
Rauschen zusammengesetzt ist, enthalten die Frequenzbänder f1,
die das Sinusschwingungssignal enthalten, wieder mehr Leistung,
während
der Leistungsabfall bezüglich
der Frequenzbänder
f2, die weit von den Frequenzbändern
f1 entfernt sind, umso größer ist,
je weiter sie von den Frequenzbändern
f1 entfernt sind. Deswegen gibt es von dem Sinusschwingungssignal
mit einem Frequenzband f2 fast keine Maskierung, wobei der Einfluss
der Maskierung von der Leistung des Frequenzbandes f2 selbst erhöht ist. Dementsprechend
gibt es bei den Frequenzbändern f1
keinen großen
Unterschied zwischen dem Signal/Maskierungsschwellen-Verhältnis (SMR:
das Verhältnis
der eigenen Leistung S eines Frequenzbandes zur Maskierungsschwelle
M) und demselben Verhältnis
SMR bei den Frequenzbändern
f2.
-
Mit
anderen Worten, falls die Leistung eines Signals S und die Leistung
des quantisierten Rauschens N(n) ist, hat das Maskierungsschwellen/Rausch-Verhältnis MNR(n)
= M/N(n) = (S/N(n))/(S/M(n)) anhand der relativen Beziehung zwischen
den beiden bei den Frequenzbändern
f1 und f2 etwa den gleichen Wert, wenn jedes Frequenzband in n Bits
quantisiert ist. Da die herkömmlichen
adaptiven Bitzuweisungsverfahren die Bitzuweisung lediglich anhand
des Maskierungsschwellen/Rausch-Verhältnisses MNR(n) ausführen, ist dementsprechend
ihr Nachteil, dass den Frequenzbändern
f1 und f2 etwa die gleiche Anzahl von Bits zugewiesen wird.
-
Im
Ergebnis wird die Anzahl der Bits, die den Frequenzbändern f1
zugewiesen werden, die das Sinusschwingungssignal enthalten, verhältnismäßig kleiner,
wird der Quantisierungsfehler des Sinusschwingungssignals größer und
verschlechtert sich die Klangqualität, falls es viele Frequenzbänder f2 gibt,
die durch die Maskierung von dem Sinusschwingungssignal nicht beeinflusst
wer den.
-
In
Bezug auf diesen Punkt hat der Anmelder in der japanischen ungeprüften Patentveröffentlichung
7-202823/1995 eine Konstruktion vorgeschlagen, die die Anzahl der
Bits, die den Frequenzbändern
mit niedriger Leistung S zugewiesen werden können, automatisch begrenzt.
Allerdings ist ein Nachteil dieses Standes der Technik, dass es
dann, wenn die Leistung des weißen
Rauschens groß ist, Fälle gibt,
in denen keine Begrenzung der Bitzuweisung zu dem Frequenzband erfolgt,
da die Maximalzahl von Bits, die jedem Frequenzband zugewiesen werden
können,
auf der Grundlage dieser Leistung bestimmt wird.
-
EP-A-0
525 809 bezieht sich auf einen digitalen Codierer mit Bitzuweisung
durch dynamische Quantisierung zum Komprimieren eines digitalen
Signals, um die Anzahl der Bits zu verringern, die bei niedrig quantisierendem
Rauschen erforderlich sind. Ein digitales Signal wird in drei Frequenzbereiche
unterteilt und die Gesamtzahl der zum Quantisieren der Spektralkoeffizienten
verfügbaren
Bits z. B. gemäß vorgegebenen
Bitzuweisungsmustern, der Energie in den Bändern, der Glattheit des Spektrums
des Signals und einem Rauschformungsfaktor, der von der Glattheit
des Spektrums abhängt,
zwischen den Bändern
zugewiesen.
-
ZUSAMMENFASSUNG
DER ERFINDUNG
-
Eine
Aufgabe der vorliegenden Erfindung ist die Schaffung eines Verfahrens
zum Codieren digitaler Daten, das eine Klangqualität erreichen
kann, die dem Hören
des Hörers
entspricht.
-
Eine
weitere Aufgabe der vorliegenden Erfindung ist die Schaffung eines
Verfahrens zum Codieren digitaler Daten, das eine Verschlechterung
der Klangqualität
selbst von Signalen mit schmalen Spektralbändern verhindern kann.
-
Danach
ist das Verfahren zum Codieren digitaler Daten der vorliegenden
Erfindung zur Lösung der
oben erwähnten
ersten Aufgabe wie in Anspruch 1 dargelegt. In einer Ausführungsform
codiert das Verfahren digitale Daten wie etwa musikalische Töne und Klänge dadurch,
dass es sie in Frequenzbereiche umsetzt, die umgesetzten Spektren
in mehrere Frequenzbänder
unterteilt und zwischen (i) einer Bitzuweisung in Übereinstimmung
mit Verhältnissen
einer Maskierungsschwelle zu Rauschen, die für jedes Frequenzband ermittelt
werden, gemäß der Leistung oder
Energie jedes Frequenzbandes unter Berücksichtigung von gehörpsychologischen
Eigenschaften, (ii) einer Bitzuweisung in Übereinstimmung mit einem repräsentativen
Wert der Leistung oder der Energie jedes Frequenzbandes, und (iii)
einer Bitzuweisung, die jedem der vorstehenden Bitzuweisungsverfahren
ein Gewicht verleiht, umschaltet.
-
In
Bezug auf die Daten wie etwa weißes Rauschen mit einer spektralen
Zusammensetzung, die vollständig
flach ist, ermöglicht
die obige Struktur eine Bitzuweisung, die entlang der Frequenzachse flach
ist. In Bezug auf die Daten wie etwa Sinusschwingungssignale mit
schmaler Bandbreite ermöglicht
die obige Struktur wieder eine Bitzuweisung, die das Signal mit
schmaler Bandbreite anhebt. Dementsprechend wird die Auswahl einer
Klangqualität
ermöglicht,
die für
die Quelle des musikalischen Tons geeignet ist.
-
Um
die die oben erwähnte
zweite Aufgabe zu lösen,
schaltet schließlich
das zweite Verfahren zum Codieren digitaler Daten der vorliegenden
Erfindung zwischen den in dem obigen Verfahren zum Codieren digitaler
Daten beschriebenen Bitzuweisungsverfahren (i), (ii) und (iii) in Übereinstimmung
mit einer Beziehung zwischen der Maskierungsschwelle und Spitzen
und lokalen Spitzen, die aufgrund der Differenzen der Leistung oder
Energie zwischen angrenzenden Spektren innerhalb jedes Frequenzbands
gefunden wird, um.
-
Die
obige Struktur ermöglicht
das automatische Zuweisen von Bits gemäß dem für die digitalen Daten am besten
geeigneten Verfahren, gleich, ob sie weißes Rauschen oder andere Daten
mit breiter Bandbreite oder Sinusschwingungssignale oder andere
Daten mit schmaler Bandbreite sind, was somit die Verschlechterung
der Klangqualität
selbst bei musikalischen Tönen,
die für
die Bitzuweisung unter Verwendung gleichzeitiger Maskierung wie
etwa des Maskierungsschwellen/Rausch-Verhältnisses nicht geeignet sind,
verhindert.
-
Die
weiteren Aufgaben, Merkmale und ausgezeichneten Punkte der Erfindung
werden durch die folgende Beschreibung klargestellt. Weiter werden die
Vorteile dieser Erfindung aus der folgenden Erläuterung in Bezug auf die Figuren
offensichtlich.
-
KURZBESCHREIBUNG DER ZEICHNUNG
-
1 ist
ein Frequenzspektrumdiagramm zur Erläuterung des Verfahrens zum
Codieren gemäß der ersten
Ausführungsform
der Erfindung.
-
2 ist
ein Blockschaltplan, der die elektrische Konstruktion einer Minidisk-Aufzeichnungsvorrichtung
und -Wiedergabevorrichtung zeigt, die ein Beispiel der Anwendung
der Erfindung ist.
-
3 ist
ein Ablaufplan zur Erläuterung
des Bitzuweisungsverfahrens gemäß der ersten
Ausführungsform
der Erfindung.
-
4 ist
ein Ablaufplan zur Erläuterung
des Bitzuweisungsverfahrens gemäß der zweiten
Ausführungsform
der vorliegenden Erfindung.
-
5 ist
ein Ablaufplan zur Erläuterung
des Bitzuweisungsverfahrens gemäß der dritten
Ausführungsform
der vorliegenden Erfindung.
-
6 ist
ein Frequenzspektrumdiagramm zur Erläuterung von Operationen zur
Erfassung der Spitzen und lokalen Spitzen in dem in 5 gezeigten
Bitzuweisungsverfahren.
-
BESCHREIBUNG
DER AUSFÜHRUNGSFORMEN
-
Im
Folgenden wird anhand der 1 bis 3 die
erste Ausführungsform
der Erfindung erläutert.
-
1 ist
ein Frequenzspektrumdiagramm zur Erläuterung des Verfahrens zum
Codieren digitaler Daten gemäß der ersten
Ausführungsform
der Erfindung, während 2 ein
Blockschaltplan ist, der die elektrische Konstruktion einer Minidisk-Aufzeichnungsvorrichtung
und -Wiedergabevorrichtung 1 zeigt, die ein Beispiel der
Anwendung der Erfindung ist. Zunächst
wird anhand von 2 die Minidisk-Aufzeichnungsvorrichtung
und -Wiedergabevorrichtung 1 erläutert. Zunächst werden die digitalen Daten
z. B. in Form von Lichtsignalen von einer (nicht gezeigten) digitalen
Audiosignalquelle wie etwa einer Kompakt-Disk-Wiedergabevorrichtung oder einem Satellitenrundfunkempfänger seriell
in einen Eingangsanschluss 2 eingegeben. Nachdem die Lichtsignale
durch ein Photoelement 3 in elektrische Signale umgesetzt
worden sind, werden sie an eine digitale PLL-Schaltung 4 gesendet.
Die digitale PLL-Schaltung 4 entnimmt aus den digitalen
Daten den Takt und stellt Mehrbitdaten, die der Abtastfrequenz und
der Anzahl quantisierter Bits entsprechen, wieder her. Nachfolgend
erfahren die Mehrbitdaten in einer Frequenzumsetzungsschaltung 5 eine
Abtastratenumsetzung z. B. von der Abtastfrequenz von 44,1 kHz der
Kompakt-Disks, von
der Abtastfrequenz von 48 kHz digitaler Tonbandmaschinen oder von
der Abtastfrequenz von 32 kHz von Satellitensendungen (A-Betriebsart)
auf die 44,1 kHz, die dem Minidisk-Standard entsprechen, und werden
daraufhin an eine Audiokompressionsschaltung 6 gesendet.
-
Die
Audiokompressionsschaltung 6 führt gemäß dem vorangehenden ATRAC-Verfahren die komprimierte
Codierung der Eingangsdaten aus. Die codierten Audiodaten werden über einen
Controller 7 des stoßfesten
Speichers an eine Signalverarbeitungsschaltung 8 gesendet.
In Verbindung mit dem Controller 7 des stoßfesten
Speichers ist ein stoßfester
Speicher 9 vorgesehen. Außer zum Dämpfen des Unterschieds der Übertragungsraten
zwischen den von der Audiokompressionsschaltung 6 ausgegebenen
Audiodaten und den in die Signalverarbeitungsschaltung 8 eingegebenen
Audiodaten dient der stoßfeste
Speicher 7 auch zum Schutz der Audiodaten durch Interpolation
irgendwelcher Unterbrechungen, die wegen einer im Folgenden diskutierten
Störung
wie etwa einer Schwingung während
der Wiedergabeoperation in dem Wiedergabesignal auftreten.
-
Die
Signalverarbeitungsschaltung 8 arbeitet als ein Codierer
und Decodierer und codiert die Audiodaten als magnetische Modulationssignale,
bevor sie sie an eine Kopfansteuerschaltung 11 sendet.
Die Kopfansteuerschaltung 11 bewegt einen Aufzeichnungskopf 12 auf
einer magnetooptischen Platte 13 an den gewünschten
Aufzeichnungsort und veranlasst, dass der Aufzeichnungskopf 12 ein
Magnetfeld aussendet, das den magnetischen Modulationssignalen entspricht.
Gleichzeitig wird von einem optischen Lesekopf 21 Laserlicht
auf den gewünschten Aufzeichnungsort
auf der magnetooptischen Platte 13 projiziert und auf der
magnetooptischen Platte 13 ein magnetisiertes Muster erzeugt,
das dem von dem Aufzeichnungskopf 12 ausgesendeten Magnetfeld entspricht.
-
Andererseits
werden während
der Wiedergabeoperation durch den optischen Lesekopf 21 serielle
Signale wiedergegeben, die dem magnetisierten Muster auf der magnetooptischen
Platte 13 entsprechen, wobei die somit wiedergegebenen seriellen
Signale, nachdem sie durch einen Hochfrequenzverstärker (HF-Verstärker) 22 verstärkt worden
sind, an die Signalverarbeitungsschaltung 8 gesendet und
in Audiodaten decodiert werden. Nachdem der Controller 7 des
stoßfesten
Speichers und der stoßfeste Speicher 9 den
Einfluss irgendeiner Störung
auf die decodierten Audiodaten beseitigt haben, werden sie an die
Audioexpansionsschaltung 23 gesendet. Die Audioexpansionsschaltung 23 führt einen
Umsetzungsprozess aus, der die Umkehrung der komprimierten Codierung
gemäß dem ATRAC-Verfahren ist,
und demoduliert die Audiodaten zu digitalen Vollbit-Audiosignalen.
Die demodulierten digitalen Audiosignale werden durch eine Digital/Analog-Umsetzungsschaltung
(D/A-Umsetzungsschaltung) 24 in analoge Audiosignale umgesetzt
und daraufhin von einem Ausgangsanschluss 25 ausgegeben.
-
Die
durch den Hochfrequenzverstärker 22 verstärkten seriellen
Signale werden außerdem
an eine Servoschaltung 31 gesendet. Die Servoschaltung 31 führt in Reaktion
auf die seriellen Signale, die wiedergegeben worden sind, über eine
Treiberschaltung 32 eine Rückkopplungssteuerung der Drehzahl eines
Rotationsmotors 33 durch und ermöglicht somit die Wiedergabe
mit der gewünschten
Lineargeschwindigkeit. Außerdem übt die Servoschaltung 31 eine
Rückkopplungssteuerung
der Drehzahl eines Vorschubmotors 34 aus und ermöglicht somit
die Steuerung der Stelle des optischen Lesekopfs 21 in radialer
Richtung der magnetooptischen Platte 13, d. h. die Steuerung
der Nachführung.
Schließlich übt die Servoschaltung 31 außerdem eine
Rückkopplungssteuerung
der Fokussierung des optischen Lesekopfs 21 aus.
-
Die
Servoschaltung 31, der optische Lesekopf 21, der
Hochfrequenzverstärker 22,
die Signalverarbeitungsschaltung 8 und die Treiberschaltung 32 werden
durch eine Leistungs-EIN/AUS-Schaltung 35 mit Strom versorgt.
Das Management der Leistungs-EIN/AUS-Operationen der Leistungs-EIN/AUS-Schaltung 35 und
der Signalverarbeitungsoperationen der Signalverarbeitungsschaltung,
die im Folgenden beschrieben werden, wird zentral durch einen Systemsteuerungs-Mikrocomputer 36 ausgeführt. Im
Zusammenhang mit dem Systemsteuerungs-Mikrocomputer 36 sind
Eingabebetriebsmittel vorgesehen, die die im Folgenden beschriebenen
Schallqualitäts-Auswahloperationen
sowie die Liedtiteleingabe, Liedauswahloperationen usw. ermöglichen.
-
Nachfolgend
wird anhand der 1 und 3 das Bitzuweisungsverfahren
in der ersten Ausführungsform
der Erfindung erläutert,
das gemäß dem ATRAC-Verfahren
durch die Audiokompressionsschaltung 6 der wie oben konstruierten
Minidisk-Aufzeichnungsvorrichtung und -Wiedergabevorrichtung 1 ausgeführt wird.
-
In
dem ATRAC-Verfahren werden die mit 44,1 kHz abgetasteten Audiodaten
wie oben erwähnt in
bestimmte Frequenzbänder,
genauer in ein Niederfrequenzband von 0 kHz bis 5,5 kHz, in ein
Mittelfrequenzband von 5,5 kHz bis 11 kHz und in ein Hochfrequenzband
von 11 kHz bis 22 kHz, unterteilt, wobei die Audiodaten, die für jedes
unterteilte Frequenzband bestimmte Zeitrahmen überbrücken, mittels der MDCT-Verarbeitung
in einen MDCT-Koeffizienten, d. h in die Daten eines Frequenzbereichs,
umgesetzt werden. Die auf diese Weise umgesetzten MDCT-Koeffizienten
werden daraufhin für
die Nummer i der Frequenzbänder
(i = 1, 2,..., I, mit I z. B. gleich 25) in die Spektralleistungen
Si umgesetzt. Daraufhin wird eine Verarbeitung wie die in 3 gezeigte
ausgeführt,
um in Übereinstimmung
mit jeder somit erhaltenen Spektralleistung Si quantisierte Bits zuzuweisen.
-
Die
Audiokompressionsschaltung 6 enthält einen Tabellen-ROM 6a,
wobei in dem Tabellen-ROM 6a Eigenschaften der Maskierung
und/oder der unteren Hörgrenze
gemäß dem ATRAC-Verfahren
gespeichert sind. Diese Eigenschaften der unteren Hörgrenze
erscheinen als eine Kurve, die in 1 durch die
Bezugszeichen α1, α2, α3 und α4 gezeigt
ist. Die in Übereinstimmung
mit den Spektralleistungen Si, einer kritischen Bandbreite jedes
Frequenzbandes usw. berechneten Eigenschaften der Maskierung erscheinen
für eine
Leistungsverteilung wie die in 1 gezeigte
z. B. als eine Kurve, die durch die Bezugszeichen α11, α12 und α13 gezeigt
ist. Die durch die Bezugszeichen α1
bis α4 gezeigten
Eigenschaften der unteren Hörgrenze
und die durch die Bezugszeichen α11
bis α13
gezeigten Eigenschaften der Maskierung werden in Übereinstimmung
mit den gehörpsychologischen
Eigenschaften von Personen mit typischen Höreigenschaften vorbereitet
und sind feste Eigenschaften.
-
Allerdings
können
die Eigenschaften der unteren Hörgrenze
und/oder der Maskierung in der ersten Ausführungsform der Erfindung geändert werden.
Konkret ist z. B. im Fall der Eigenschaften der Maskierung der Maskierungsbereich
der anderen Frequenzbänder
umso größer, je
größer die
Spektralleistung ist und je höher
die Frequenz ist. In dem Beispiel in 1 ist die
Maximalgrenze Smax des durch die Spektralleistung S5 beeinflussten
Bereichs, d. h. eine Spitzenleistung, durch α13·(1 ± Σk) gezeigt. Σk ist hier ein Gewichtungskoeffizient.
Falls im Voraus mehrere Variablen k in dem Tabellen-ROM 6a gespeichert
werden und die Variablen k mittels eines Registers 36a in
dem Systemsteuerungs-Mikrocomputer 36 geschaltet
werden, kann die Kurve α13 der
Eigenschaft der Maskierung innerhalb des Bereichs von α14 bis α15 geändert werden.
Die Variable k kann durch den Hörer über die
Eingabebetriebsmittel 37 eingestellt werden.
-
Zum
Beispiel wird durch Ändern
der Kurve der Eigenschaft der Maskierung von α13 auf α14 das maskierte Band verbreitert,
der Maskierungspegel erhöht
und die Anzahl der Bits, die Signalen mit niedriger Leistung zugewiesen
werden, verringert oder sogar beseitigt. Dementsprechend wird die
Bitzuweisung zu Signalen mit verhältnismäßig höherer Leistung erhöht und der
Dynamikbereich der Signale mit hoher Leistung erhöht. Falls
andererseits die Kurve der Eigenschaft der Maskierung von α13 auf α15 geändert wird,
wird die Bitzuweisung zu Signalen mit niedriger Leistung erhöht und die
Bitzuweisung zu Signalen mit verhältnismäßig höherer Leistung verringert.
Dementsprechend kann der Frequenzbereich vergrößert werden. Die gleiche Wirkung
kann ebenfalls dadurch erhalten werden, dass der Kurve α13 der Eigenschaft
der Maskierung an Stelle der Wichtung ein Versatz verliehen wird.
-
Auf
die gleiche Weise kann hinsichtlich der Eigenschaften der unteren
Hörgrenze
die Kurve α1 bis α4 der Eigenschaft
der unteren Hörgrenze,
die auf den gehörpsychologischen
Eigenschaften von Personen mit typischen Höreigenschaften beruht, gewichtet
oder ihr ein Versatz gegeben werden, wodurch der Abschnitt α4 der Kurve
wie z. B. mit dem Bezugszeichen α5
gezeigt geändert
wird. Auf diese Weise werden den Hochfrequenzbändern verhältnismäßig mehr Bits zugewiesen.
-
Anhand
von 3 wird nachfolgend die Verarbeitung zur Zuweisung
quantisierter Bits erläutert. Zunächst wird
in Schritt p1 aus der Summe der Quadrate der MDCT-Koeffizienten
für jedes
Frequenzband (die mittels der MDCT-Verarbeitung erhalten werden)
die Spektralleistung Si jedes Frequenzbandes berechnet. In Schritt
p2 wählt
die Audiokompressionsschaltung 6 über das Register 36a des
Systemsteuerungs-Mikrocomputers 36 Parameter zum Ändern der
Eigenschaften der Maskierung wie etwa die in dem Tabellen-ROM 6a gespei cherten
Variablen k. In Schritt p3 werden auf die gleiche Weise wie in Schritt
p2 Parameter zum Ändern
der Eigenschaften der unteren Hörgrenze
gewählt.
-
In
Schritt p4 werden die im Voraus berechneten und in dem Tabellen-ROM 6a gespeicherten
Referenzeigenschaften der Maskierung und der unteren Hörgrenze
in Übereinstimmung
mit den in den Schritten p2 und p3 gewählten Parametern geändert und diese
zwei Eigenschaften synthetisiert, um eine Endmaskierungsschwelle
zu bestimmen. Mit anderen Worten, falls die somit geänderte Kurve
der Eigenschaft der unteren Hörgrenze
wie durch die Bezugszeichen α1, α2, α3, α5 gezeigt
ist und die somit geänderte
Kurve der Eigenschaft der Maskierung wie durch die Bezugszeichen α11, α12, α14 gezeigt
ist, ist die durch Synthese erhaltene Kurve der Endmaskierungsschwelle
wie durch die Bezugszeichen α1, α12, α14, α3, α5 gezeigt.
-
In
Schritt p5 wird für
alle Frequenzbänder das
Verhältnis
der (in Schritt p1 berechneten) Spektralleistung Si des Frequenzbandes
zu seiner (in Schritt p4 berechneten) Maskierungsschwelle Mi, SMRi
= Si/Mi, berechnet, wenn der Index jedes Frequenzbandes i ist. In
einer logarithmischen graphischen Darstellung entspricht das Verhältnis SMRi
für jedes
Frequenzband jenem Teil der Lange der Spektralleistung Si, der die
Maskierungsschwelle Mi überschreitet.
-
Nachfolgend
wird in Schritt p6 das Verhältnis der
Spektralleistung Si zur Leistung des quantisierten Rauschens Ni(n)
berechnet, wenn die Spektralleistung Si jedes Frequenzbandes in
n Bits quantisiert ist: SNR(n) = Si/Ni(n). Statistisch ist das Verhältnis SNR(n)
in Übereinstimmung
mit den Eigenschaften des Signals eine Konstante, so dass es durch
statistische Verarbeitung im Voraus berechnet werden kann. Aus dem
Verhältnis
des Verhältnisses
SNR(n) zu dem Verhältnis
SMRi kann das Verhältnis
der Maskierungsschwelle zur Leistung des quantisierten Rauschens
berechnet werden, das MNRi(n) = SNRi(n)/SMRi ist.
-
In
Schritt p7 werden jedem Frequenzband wie folgt die quantisierten
Bits zugewiesen. Die Anzahl der Bits n wird bei 0 beginnend erhöht, wobei
bei jeder Erhöhung
für jedes
Frequenzband das Verhältnis
der Maskierungsschwelle zur Leistung des quantisierten Rauschens
MNRi(n) berechnet wird und dem Frequenzband ein Bit zugewiesen wird,
bei dem das Verhältnis
MNRi(n) am kleinsten ist. Auf diese Weise wird jedes Mal, wenn die
Anzahl der quantisierten Bits n erhöht wird, dem Frequenzband mit dem
kleinsten Verhältnis
MNRi(n) ein Bit zugewiesen und, falls dies wiederholt wird, bis
die Zuweisung aller verfügbaren
Bits abgeschlossen ist, die Wortlänge jedes Frequenzbandes bestimmt
und ausgegeben. Mit anderen Worten, die Bits werden beginnend mit
dem Frequenzband zugewiesen, in dem die Länge dieses Teils der Spektralleistung
Si, der die Schwelle Mi überschreitet,
am längsten
ist.
-
Somit
werden die Bits in der Weise zugewiesen, dass die wie in 1 gezeigte
Maskierungsschwelle gemäß den Vorlieben
des Hörers
geändert wird.
-
Im
Vorstehenden wurde der Fall der Änderung
sowohl der Eigenschaften der Maskierung als auch der Eigenschaften
der unteren Hörgrenze
beschrieben, wobei die Erfindung aber nicht auf diesen Fall beschränkt ist;
es können
entweder die Eigenschaften der Maskierung oder die Eigenschaften
der unteren Hörbarkeit
allein geändert
werden.
-
Kurz
gesagt, ermöglicht
die Änderung
der Eigenschaften der unteren Hörgrenze
allein z. B. zu wählen,
ob kleinen Spektren in dem unhörbaren
Bereich oder Spektren in dem ultratiefen oder in dem ultrahohen
Bereich Bits zuzuweisen sind. Wieder ermöglicht lediglich die Änderung
der Eigenschaften der Maskierung, da sie eine Änderung der Eigenschaften der
Maskierung verursacht, die in Übereinstimmung
mit der Leistung und der Frequenz jedes Frequenzbandes durch die
kritischen Bänder
bestimmt sind, zu wählen,
ob Spektren, die durch Spektren mit verhältnismäßig hoher Leistung maskiert sind,
Bits zuzuweisen sind. Auf diese Weise kann eine Klangqualität erhalten
werden, die mit dem Hören
jedes Hörers übereinstimmt.
-
Anhand
von 4 wird im Folgenden die zweite Ausführungsform
der vorliegenden Erfindung erläutert.
-
4 ist
ein Ablaufplan zur Erläuterung
des Bitzuweisungsverfahrens in der zweiten Ausführungsform der vorliegenden
Erfindung. Das auffallende Merkmal dieses Bitzuweisungsverfahrens
ist, dass es möglich
ist, einen gewünschten
Prozentsatz x zwischen (a) der Bitzuweisung gemäß dem Verhältnis der Maskierungsschwelle
zum quantisierten Rauschen MNRi(n) und (b) der Bitzuweisung gemäß der Leistung
des quantisierten Rauschens SNi(n) zuzuweisen, wenn die Spektralleistung
Si, die ein repräsentativer
Wert für
die Leistung oder Energie jedes Frequenzbandes ist, in n Bits quantisiert
ist. In dem Tabellen-ROM 6a der Audiokompressionsschaltung 6 werden
im Voraus mehrere Prozentsätze
x von (a) bis (b) gespeichert, wobei die Auswahl unter den verschiedenen
Prozentsätzen
x in Reaktion auf die Operationen von den Eingabebetriebsmitteln 37 über das Register 36a des
Systemsteuerungs-Mikrocomputers 36 ausgeführt werden
kann.
-
Konkret
wird zuerst in Schritt p11 auf die gleiche Weise wie in Schritt
p1 in der ersten Ausführungsform
aus der Summe der Quadrate der jeweiligen MDCT-Koeffizienten die Spektralleistung Si
jedes Frequenzbandes berechnet. In Schritt p12 wird der Wert in
dem Register 36a des Systemsteuerungs-Mikrocomputers 36 gelesen
und aus dem Tabellen-ROM 6a der entsprechende Prozentsatz
x % gewählt.
-
Falls
der auf diese Weise bestimmte Prozentsatz x 0 ist, d. h., wenn die
Anzahl der für
die erste Zuweisung verfügbaren
Bits B1 0 ist, wird die Bitzuweisung gemäß dem Verhältnis der Maskierungsschwelle
zum quantisierten Rauschen nicht ausgeführt, wobei die Verarbeitung
direkt zu dem unten diskutierten Schritt p18 übergeht. Im Gegensatz dazu wird
daraufhin der Schritt p13 ausgeführt,
falls die Anzahl der für
die erste Zuweisung verfügbaren
Bits B1 nicht 0 ist.
-
In
Schritt p13 wird ausgehend von einer Gesamtzahl der Minidisk-Audiospektraldatenbits
B0 (1144 bis 1464 Bits) die Anzahl der Bits B1 berechnet, die in Übereinstimmung
mit dem Verhältnis
MNRi(n) für
die erste Zuweisung verfügbar
sind: B1 = B0·(x/100).
-
In
Schritt p14 wird in Übereinstimmung
mit den im Voraus berechneten Eigenschaften der Maskierung und der
unteren Hörgrenze,
die den gehörpsychologischen
Eigenschaften von Personen mit typischem Hören entsprechen, eine Maskierungsschwelle,
d. h. die Kurve α1, α12, α13, α3, α4, berechnet.
Daraufhin wird in den Schritten p15 und p16 wie in den obigen Schritten
p5 und p6 für
jedes Frequenzband aus dem Verhältnis
SMRi der Spektralleistung Si des Frequenzbandes zu seiner Maskierungsschwelle
Mi das Verhältnis
der Maskierungsschwelle zur Leistung des quantisierten Rauschens MNRi(n)
berechnet. In Schritt p17 wird auf die gleiche Weise wie im obigen
Schritt p7 die Bitzuweisung ausgeführt, wobei aber die Gesamtzahl
der in Schritt p17 zugewiesenen Bits die wie im obigen Schritt p12
berechnete Anzahl der für
die erste Zuweisung B1 verfügbaren
Bits ist.
-
In
Schritt p18 wird die Leistung des quantisierten Rauschens SNi(n)
berechnet und in Schritt p19 werden dem Frequenzband mit der höchsten Leistung
des quantisierten Rauschens SNi(n) Bits zugewiesen. Anschließend wird
die Leistung des quantisierten Rauschens SNi(n) erneut berechnet, werden
dem Band, bei dem dieser Wert am höchsten ist, Bits zugewiesen
und wird dies wiederholt, bis alle für die zweite Zuweisung B2 =
B0(1 – (x/100))
verfügbaren
Bits zugewiesen worden sind. Die Schritte p18 und p19 werden ausgeführt, wenn
die Anzahl der für die
erste Zuweisung verfügbaren
Bits 0 ist und die Verarbeitung direkt von Schritt p12 zu Schritt
p18 gegangen ist oder wenn x nicht gleich 100 ist, während dann,
wenn x gleich 100 ist, d. h. wenn B2 = 0 ist, direkt nach Schritt
p17 die Wortlänge
ausgegeben wird.
-
Falls
das Eingangssignal eine zusammengesetzte Schwingung aus einem Sinusschwingungssignal
und weißem
Rauschen ist sowie in anderen Fällen,
wo es z. B. bei einem Soloklavierstück einer einzelnen Sinusschwingung ähnelt, werden
den Rauschelementen mit niedriger Leistung viele Bits zugewiesen,
falls die Bitzuweisung lediglich gemäß dem Verhältnis der Maskierungsschwelle
zum quantisierten Rauschen MNRi(n) ausgeführt wird, wobei der Fehler
bei der Quantisierung des Klaviers verhältnismäßig groß wird. Falls aber der Bitzuweisungsprozentsatz
x wie oben dargestellt geändert
werden kann, wird zusätzlich
zu der Bitzuweisung gemäß dem Verhältnis der
Maskierungsschwelle zum quantisierten Rauschen MNRi(n) die Bitzuweisung
gemäß der Leistung
des quantisierten Rauschens SNi(n) ausgeführt, wobei sichergestellt ist,
dass die Anzahl der dem Klavier zugewiesenen Bits erhöht werden kann
und der Fehler bei der Quantisierung des Klaviers verringert ist.
-
Falls
das Eingangssignal aus einem Klang mit vielen lokalen Spitzen und
Rauschen, z. B. aus einem Orchesterstück, zusammengesetzt ist, kann
die Bitzuweisung wieder in Übereinstimmung
mit dem Verhältnis
der Maskierungsschwelle zum quantisierten Rauschen MNRi(n) ausgeführt werden,
in dem das Rauschen und die musikalischen Töne, die kleine lokale Spitzen
in Bändern
in der Nähe
großer
Signale bilden, maskiert werden können, so dass ihnen keine Bits
zugewiesen werden, während
großen
Signalen, die nicht maskiert werden, mehr Bits zugewiesen werden
können.
Dies ermöglicht
die Aufzeichnung mit hoher Wiedergabetreue.
-
Ferner
kann bei Eingangssignalen, die zwischen den vorstehenden zwei Beispielen
liegen und aus einem musikalischen Ton mit drei oder vier lokalen
Spitzen und Rauschen zusammengesetzt sind, z. B. bei einem Soloklarinettenstück, die
Wiedergabetreue der Klarinette dadurch verbessert werden, dass sowohl
der Bitzuweisung gemäß dem Verhältnis der Maskierungsschwelle
zum quantisierten Rauschen MNRi(n) als auch der Bitzuweisung gemäß der Leistung
des quantisierten Rauschens SNi(n) Gewicht gegeben wird.
-
Auf
diese Weise kann das Bitzuweisungsverfahren gewählt werden, das für irgendeine
musikalische Tonquelle am besten geeignet ist.
-
Anhand
der 5 und 6 wird nachfolgend die dritte
Ausführungsform
der vorliegenden Erfindung erläutert.
-
5 ist
ein Ablaufplan zur Erläuterung
des Bitzuweisungsverfahrens in der dritten Ausführungsform der vorliegenden
Erfindung. Das auffallende Merkmal dieses Bitzuweisungsverfahrens
ist, dass der Prozentsatz x von (a) der Bitzuweisung gemäß dem Verhältnis der
Maskierungsschwelle zum quantisierten Rauschen MNRi(n) zu (b) der
Bitzuweisung gemäß der Leistung
des quantisierten Rauschens SNi(n) auf der Grundlage der Beziehung
zwischen (1) Spitzen und lokalen Spitzen in den Spektralleistungen
Si und (2) Maskierungsschwellen automatisch bestimmt wird.
-
Zunächst wird
der Spitzenwert unter den Spektralleistungen aller Frequenzbänder von
S1 bis SI wie etwa der in 6 mit dem
Bezugszeichen S5 gezeigte ermittelt. Daraufhin wird eine Maskierungsschwelle
wie etwa die in 6 gezeigte, die die Eigenschaft
der Maskierung wegen dieses Spitzenpegels enthält, ermittelt. Nachfolgend
werden für
jedes Frequenzband lokale Spitzen wie etwa die in 6 mit
dem Bezugszeichen S8 gezeigten ermittelt. Es werden jeweils die
Anzahl dieser lokalen Spitzen, die durch die Maskierungsschwelle
maskiert sind, und die Anzahl dieser lokalen Spitzen, die nicht
in der Weise maskiert sind, ermittelt, wobei das Verhältnis zwischen
maskierten lokalen Spitzen und nicht maskierten lokalen Spitzen
den Prozentsatz x bestimmt.
-
Mit
anderen Worten, falls die Gesamtzahl lokaler Spitzen NM ist und
die Anzahl maskierter lokaler Spitzen M ist, gilt: M/(NM + 1) = 0. (1)
-
Dementsprechend
ist der Prozentsatz x 0 % und, wobei die Anzahl der für die erste
Zuweisung B1 verfügbaren
Bits auf 0 eingestellt wird, falls es keine maskierten lokalen Spitzen
gibt. Falls andererseits 0 < M/(NM + 1) ≤ 0,5 (2)ist, liegt
x von 50 % bis 90 %, wobei dann, wenn 0,5 < M/(NM + 1) (3)ist, x gleich
100 % ist, wobei die Anzahl der für die erste Zuweisung B1 verfügbaren Bits
die Gesamtheit der insgesamt verfügbaren Bits B0 ist.
-
Es
werden hier die Erfassung lokaler Spitzen und die Wahl des Prozentsatzes
x diskutiert. Nachdem die Spitzenspektralleistung (S5 in 6)
ermittelt worden ist, werden die lokalen Spitzen für alle Frequenzbänder ermittelt.
In dem Beispiel in 6 werden ausgehend vom Spitzenwert
S5 die Differenzen D34, D45, ..., D89 und ihre Polaritäten zwischen jeder
Spektralleistung S3 bis S9 innerhalb einer bestimmten Anzahl von
Frequenzbändern
(in dem Beispiel aus 6 zwei Frequenzbänder auf
der niederfrequenten Seite und vier auf der hochfrequenten Seite)
ermittelt und auf der Grundlage der Änderung der Polarität und des
Absolutwerts dieser Differenzen die lokalen Spitzen ermittelt. Auf
diese Weise werden die lokalen Spitzen über alle Frequenzbänder ermittelt.
Konkret gibt es im Fall von 6 lediglich
eine lokale Spitze (S8), wobei diese lokale Spitze durch die Maskierungsschwelle
maskiert ist; somit ist M/(NM + 1) = 1/(1 + 1) = 0,5. Dementsprechend
wird die obige Gleichung (2) angewendet und ein Prozentsatz x =
50 % bis 90 % gewählt.
-
Nachfolgend
wird anhand von 5 das Bitzuweisungsverfahren
der dritten Ausführungsform erläutert.
-
Nachdem
in diesem Bitzuweisungsverfahren in Schritt p21 wie in den obigen
Schritten p11 und p1 die Spektralleistung Si jedes Frequenzbandes
berechnet worden ist, wird in Schritt p22 der Spitzenwert ermittelt
und in Schritt p23 die Maskierungsschwelle ermittelt, die die Eigenschaften
der Maskierung dieses Spitzenwerts enthält. In Schritt p24 wird mittels
der obigen Gleichungen (1) bis (3) der Prozentsatz x berechnet und
die Anzahl der für
die erste Zuweisung B1 verfügbaren
Bits berechnet. Daraufhin wird in den Schritten p25 bis p27 wie
in den obigen Schritten p15 bis p17 gemäß dem Verhältnis der Maskierungsschwelle
zum quantisierten Rauschen MNRi(n) die erste Bitzuweisung ausgeführt und
daraufhin in den Schritten p28 und p29 wie in den obigen Schritten
p18 und p19 gemäß der Leistung
des quantisierten Rauschens SNi(n) die zweite Bitzuweisung ausgeführt.
-
Auf
diese Weise kann eine Bitzuweisung mit hoher Klangqualität, die für die musikalischen
Töne wie
die in 4 gezeigten geeignet ist, automatisch ausgeführt werden,
wobei die Verschlechterung der Klangqualität selbst in Bezug auf musikalische
Töne, die
für die
Bitzuweisung gemäß dem Verhältnis der Maskierungsschwelle
zum quantisierten Rauschen MNRi(n) nicht geeignet sind, verhindert
werden kann.
-
Im
Vorstehenden wurde der Fall erläutert,
in dem der Prozentsatz x mittels der obigen Gleichungen (1) bis
(3) berechnet wird (der bevorzugte Fall), wobei die Erfindung aber
nicht auf diesen Fall beschränkt
zu sein braucht. Durch Berechnung des Prozentsatzes x mittels der
Gleichungen (1) und (3) kann eine ähnliche Wirkung erhalten werden.
-
Die
in den obigen 1 und 3 gezeigte Änderung
der Eigenschaften der unteren Hörgrenze und/oder
der Maskierung kann ebenfalls auf die in den 4 und 5 gezeigten
Bitzuweisungen angewendet werden.