JP2001166797A - オーディオ信号の符号化装置 - Google Patents

Abstract

(57)【要約】 【課題】 オーディオ信号符号化では、使用できるビッ
ト数が不足している時、聴覚的に許された量子化ノイズ
よりも大きな量子化ノイズが発生するビット配分が行わ
れるため、周波数領域全体の量子化歪みが大きくなり、
符号化音の劣化が検知されることがある。 【解決手段】 入力するオーディオ信号を時間−周波数
変換するフィルタバンク１と、オーディオ信号に対して
周波数帯域で分割した複数の聴覚的なエントロピー情報
を計算するためのＦＦＴ２、パーティションドエナジー
計算ブロック３と、そのエントロピー情報に基づいてオ
ーディオ信号のビット配分を制御し、符号化するための
聴覚閾値計算ブロック４、パーティションド聴覚エント
ロピーブロック５、係数コントローラ６、ビット配置ブ
ロック７を有する。これにより、オーディオ信号の符号
化において使用できるビット数が少ない時にも検知され
る音質の劣化を軽減することができる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、オーディオ符号化
の音質改善に係わるもので、特に聴覚的なエントロピー
情報を用いたオーディオ信号の符号化装置に関する。

【０００２】

【従来の技術】オーディオ符号化方式の一つとして、国
際標準機関であるISO/IEC JTC1/SC29/WG11で標準化され
たISO/IEC 13818 (MPEG-2)がある。この標準方式では、
符号化されたビットストリーム（圧縮データ）の解釈と
その復号処理について規定しているものであるため、符
号化での処理は自由に行うことができる。また、従来の
技術は、以下に示す聴覚的なエントロピー情報を計算
し、この情報を直接オーディオ信号の制御・符号化に使
用していた。

【０００３】ここで、聴覚的なエントロピーは、オーデ
ィオ信号の周波数成分のうち聴覚的な観点からマスキン
グスレッショルドを超えた成分を符号化するのに必要
な、符号化サンプルの１フレームあたりのビット数とフ
レームあたりの標本化サンプル数の比である。

【０００４】

【発明が解決しようとする課題】上述の従来の技術で
は、聴覚的なエントロピー情報を計算し、この情報を直
接オーディオ信号の制御・符号化に使用していた。この
ため、使用できるビット数が十分ではない時、聴覚的に
許された量子化ノイズよりも大きな量子化ノイズが発生
するようなビット配分が行われるため、周波数領域全体
の量子化歪みが大きくなり、符号化音の劣化が検知され
る。例えば、このような従来の方式では、可聴範囲のう
ち12kHz以上の比較的高い周波数成分にビットが割り当
てられるため、周波数領域全体の量子化歪みが大きくな
り、符号化音の劣化が検知される。一方、一律に符号化
帯域を制限すると必要な周波数帯域が再生されないた
め、符号化音の劣化として検知されるという解決すべき
課題があった。

【０００５】本発明は、上述の点に鑑みてなされたもの
で、その目的は、オーディオ信号の性質に応じて所定の
条件の下では符号化する周波数帯域を広げ、他の条件の
下では量子化歪みを小さくすることにより、上述のよう
な従来技術の課題を解決したオーディオ信号の符号化装
置を提供することにある。

【０００６】

【課題を解決するための手段】上記目的を達成するた
め、請求項１のオーディオ信号の符号化装置の発明は、
入力するオーディオ信号を時間−周波数変換するフィル
タバンクと、前記入力するオーディオ信号に対して周波
数帯域で分割した複数の聴覚的なエントロピー情報を計
算する演算手段と、該演算手段で計算された前記エント
ロピー情報に基づいて前記フィルタバンクで時間−周波
数変換されたオーディオ信号のビット配分を制御し、符
号化することでオーディオ信号の量子化精度を制御する
符号化手段とを具備することを特徴とする。

【０００７】また、上記目的を達成するため、請求項２
のオーディオ信号の符号化装置の発明は、入力するオー
ディオ信号の時間−周波数変換を行うフィルタバンク
と、前記入力するオーディオ信号を高速フーリエ変換す
る高速フーリエ変換手段と、該高速フーリエ変換手段に
より高速フーリエ変換されたオーディオ信号の周波数毎
のエネルギーを計算するパーティションドエナジー計算
手段と、該パーティションドエナジー計算手段で計算さ
れたオーディオ信号の周波数毎のエネルギーに基づいて
オーディオ信号の聴覚的な閾値を算出する聴覚閾値計算
手段と、該聴覚閾値計算手段で算出された前記閾値と前
記パーティションドエナジー計算手段で計算されたオー
ディオ信号の周波数毎のエネルギーとを基に、入力した
オーディオ信号の聴覚的なエントロピー情報として、複
数の周波数帯域に分割して、各周波数帯域のマスキング
・スレッショルド以上の周波数係数を量子化するのに必
要なｂｉｔ数を計算するパーティションド聴覚エントロ
ピー（PPE）算出手段と、該パーティションド聴覚エン
トロピー算出手段で計算された前記ｂｉｔ数を基に、前
記フィルタバンクにより周波数領域に変換されたオーデ
ィオ信号の係数を制御する係数制御手段と、前記係数制
御手段で波形整形されたオーディオ信号と前記聴覚閾値
計算手段で算出された前記マスキング・スレッショルド
とを基に、符号化ビットストリームを生成するビット配
置手段とを具備することを特徴とする。

【０００８】ここで、前記係数制御手段は、周波数帯域
で分割した複数の各PPEのエントロピー情報量が予め定
めたPPEの閾値を越えるものについて、それに対応する
周波数帯域を広げたり、該周波数帯域の符号化するビッ
ト割り当て数の増加制御を行い、周波数領域全体として
大きな量子化歪みを許し、一方、前記エントロピー情報
量が前記閾値以下の時には、量子化歪みを小さくするよ
うそれに対応する周波数帯域を削除したり、該周波数帯
域の符号化するビット割り当て数の削減する制御を行う
ことにより、聴感上時間平均的に量子化歪みを小さく
し、かつ符号化帯域を広げることを特徴とすることがで
きる。

【０００９】

【発明の実施の形態】以下、図面を参照して本発明の実
施の形態を詳細に説明する。

【００１０】［全体の装置構成］図１は本発明の一実施
形態におけるオーディオ信号の符号化装置の構成を示
す。ここで、１は入力したオーディオ信号の時間―周波
数変換を行うフィルタバンク（Filter Bank）であっ
て、例えばFFT（高速フーリエ変換）やDCT（離散コサイ
ン変換）などを用いて実現する。

【００１１】２はFFTブロックであって、聴覚的な情報
を計算するために入力したオーディオ信号をFFT（高速
フーリエ変換）処理する。

【００１２】３はパーティションドエナジー計算ブロッ
ク（Partitioned Energy Calculator）であって、ＦＦ
Ｔ２から出力するオーディオ信号の周波数毎のエネルギ
ーを計算する。

【００１３】４は聴覚閾値計算ブロック（Perceptual T
hreshold Calculator）であって、オーディオ信号の聴
覚的なマスキング・スレショルド（閾値）を計算する。

【００１４】５はパーティションド聴覚エントロピーPP
E（Partitioned Perceptual Entropy）ブロックであっ
て、複数の周波数帯域に分割して、各周波数帯域のマス
キングスレッショルド以上の周波数係数を量子化するの
に必要なbit数を計算する。

【００１５】６は係数コントローラ（Coefficient Cont
roller）であって、パーティションド聴覚エントロピー
ブロック５の出力に応じて、フィルタバンク１の出力信
号の周波数係数を整形する。

【００１６】７はビット配置（Bit allocation）ブロッ
クであって、符号化ビットストリームを生成する。

【００１７】［全体の動作］本発明では、入力したオー
ディオ信号の聴覚的なエントロピー情報を周波数成分に
分けて計算し、その値に基づいて周波数領域に変換され
たオーディオ信号の係数（ビット配分）を制御し、符号
化を行う。これにより、オーディオ信号符号化において
使用できるビット数が少ない時にも検知される音質の劣
化を軽減することができる。

【００１８】まず、図１に示すように、入力したデジタ
ルオーディオデータ（以下、オーディオ信号と称する）
の時間−周波数変換をフィルタバンク１により行う。

【００１９】また、これと並行して、その入力したオー
ディオ信号をＦＦＴ２により高速フーリエ変換し、この
高速フーリエ変換されたオーディオ信号の周波数毎のエ
ネルギーをパーティションドエナジー計算ブロック３で
計算し、計算されたこのオーディオ信号の周波数毎のエ
ネルギーに基づいてオーディオ信号の聴覚的なマスキン
グ・スレショルド（閾値）を聴覚閾値計算ブロック４で
算出する。

【００２０】さらに、その算出されたマスキング・スレ
ショルドとパーティションドエナジー計算ブロック３で
計算されたオーディオ信号の周波数毎のエネルギーとを
基に、入力したオーディオ信号の聴覚的なエントロピー
情報として、複数の周波数帯域に分割して、各周波数帯
域のマスキング・スレッショルド以上の周波数係数を量
子化するのに必要なｂｉｔ数をパーティションド聴覚エ
ントロピーブロック５で計算する。

【００２１】次に、パーティションド聴覚エントロピー
ブロック５で計算されたｂｉｔ数を基に、フィルタバン
ク１により周波数領域に変換されたオーディオ信号の係
数（ビット配分）を制御する周波数整形処理を係数コン
トローラ６で行い、次いで、ビット配置ブロック７によ
り、係数コントローラ６で波形整形されたオーディオ信
号と聴覚閾値計算ブロック４で算出されたマスキング・
スレッショルドとを基に、符号化ビットストリームを生
成する。

【００２２】即ち、周波数帯域で分割した複数の各PPE
のエントロピーをパーティションド聴覚エントロピーブ
ロック５で計算し、係数コントローラ６では、これらの
エントロピー情報量が予め定めた閾値を越えるものにつ
いて、それに対応する周波数帯域を広げたり、該周波数
帯域の符号化するビット割り当て数の増加制御を行い、
周波数領域全体として大きな量子化歪みを許し、一方、
上記エントロピー情報量が上記閾値以下の時には、量子
化歪みを小さくするようそれに対応する周波数帯域を削
除したり、該周波数帯域の符号化するビット割り当て数
の削減する制御を行う。これにより、聴感上時間平均的
に量子化歪みを小さくし、かつ符号化帯域を広げること
でオーディオ符号化音質を改善を図ることができる。

【００２３】［個々の構成内容］FFT２に関しては、様
々な高速化アルゴリズムが数多くの公知文献で紹介され
ているのでその詳細説明は省略する。

【００２４】また、フィルタバンク１、パーティション
ドエナジー計算ブロック３、聴覚閾値計算ブロック４、
およびビット配置ブロック７の実施の形態に関しては、
ISO/IEC 13817-7 ANNEX B 2章 ENCODERに詳細に開示さ
れているので、参照されたい。この国際標準化規格を定
めた周知刊行物において、フィルタバンク１に関しては
２．３ Filterbank and block switching（フィルタバ
ンクおよびブロックスイッチング）の項に記載されてお
り、パーティションドエナジー計算ブロック３、および
聴覚閾値計算ブロック４に関しては２．１ Psychoacous
tic Model（音響心理学モデル）の項に記載されてお
り、ビット配置ブロック７に関しては２．７Quantizati
on（量子化）の項に記載されている。

【００２５】ただし、パーティションドエナジー計算ブ
ロック３、聴覚閾値計算ブロック４に関しては、パーテ
ィションド聴覚エントロピーブロック５、係数コントロ
ーラ６への入力に密接に関係するので、これら構成要素
３、４の実現手法の具体例を以下に詳述する。

【００２６】［パーティションドエナジー計算］まず最
初に、パーティションドエナジー計算ブロック３につい
て説明する。このブロック３でのパーティションドエナ
ジー計算は次式（１）〜（５）を用いて実行する。

【００２７】

【数１】

【００２８】

【数２】

【００２９】

【数３】

【００３０】

【数４】

【００３１】

【数５】

【００３２】ここで、上記式（１）〜（５）で用いた記
号の内容は以下の通りである。 w_high(b)：最も高い係数ナンバー（下記の表１，表２
を参照のこと。） w_low(b)：最も低い係数ナンバー（下記の表１，表２を
参照のこと。） r(w)：ＦＦＴ振幅 φ(w)：ＦＦＴ位相 energy(b)：パーティション "b"のエナジー rp(w)：予測振幅 φp(w) ：予測位相 t ： 現ブロックナンバー t-1 ：前のブロックデータのインデックス t-2 ：前々のブロックデータのインデックス C(w)：不可予測値 C(b)：不可予測エナジー（weighted unpredictabilit
y） ［聴覚閾値計算］次に、聴覚閾値計算ブロック４につい
て説明する。このブロック４での聴覚閾値計算は次式
（６）〜（１４）を用いて実行する。

【００３３】

【数６】

【００３４】

【数７】

【００３５】

【数８】

【００３６】

【数９】

【００３７】

【数１０】

【００３８】

【数１１】

【００３９】

【数１２】

【００４０】

【数１３】

【００４１】

【数１４】

【００４２】ここで、上記式（６）〜（１４）で用いた
記号の内容は以下の通りである。 ecb(b)：スプレッディング関数によるパーティションド
エナジーのたたみ込み en(b)： ecb(b)を正規化 ct(b)：スプレッディング関数による不可予測値のたた
み込み cb(b)： ct(b)を正規化 tb(b)：トナリティ（tonality） SNR(b)：シグナルノイズレシオ（信号対雑音比） ｂc(b)：パワーレシオ Ti(b)：実際のエナジー閾値 Ti_past(b)：前のフレームの実際のエナジー閾値 qsthr(b) ： 静寂時の閾値（下記の表１，表２を参照の
こと。） Thresh(b)：閾値 bval(b)：パーティションの中間バーク（ bark）（下記
の表１，表２を参照のこと。） max(x,y)：x,yのうち大きい値を返す min(x,y)：x,yのうち小さい値を返す spf(I,j) ："スプレッディング関数"であり、 以下の式
（１５）、（１６）に従う

【００４３】

【数１５】

【００４４】

【数１６】

【００４５】

【表１】

【００４６】

【表２】

【００４７】［パーティションド聴覚エントロピー］次
に、パーティションド聴覚エントロピーブロック５につ
いて説明する。

【００４８】このブロック５において、パーティション
ド聴覚エントロピーは次式（１７）を用いて求める。

【００４９】

【数１７】

【００５０】ここで、上記式（１７）で用いた記号の内
容は以下の通りである。 PPE1〜８：分割数が８の場合の各パーティションド聴覚
エントロピー ｂ： バンド（band）ナンバー（上記の表１，表２を参
照のこと。） band_width：帯域幅（上記の表１，表２を参照のこ
と。） NINT：最近整数（Nearest Integer） Energy：バンド係数のエナジー Thresh：マスキング閾値（Masking threshold ） なお上式（１７）に関して、パーティションド聴覚エン
トロピーブロック５においては、PPE（パーティション
ド聴覚エントロピー）を分割するｂ（バンドナンバー）
の範囲は一例であり、他の値を使うことができる。ま
た、PPEn の分割数 nの値も一例であり、他の値を使う
ことができる。

【００５１】［係数コントローラ］次に、係数コントロ
ーラ６について説明する。

【００５２】この係数コントローラ６において、PPE５
の閾値を２００とする場合の周波数係数の整形は次式
（１８）を用いて行う。

【００５３】

【数１８】

【００５４】ここで、上記式（１８）で用いた記号の内
容は以下の通りである。 spectrum_all： “ｂ”バンドの全ての係数 なお上式（１８）に関して、係数コントローラ６におい
ても、PPEnの閾値の値とｂ（バンドナンバー）の値は一
例であり、他の値を使うことができる。

【００５５】また、係数の制御方法は次式（１９）の代
替方法も取り得る。

【００５６】

【数１９】

【００５７】上式（１９）において 、const(b)の係数
はspectrum_all(b)の対応する係数の値を越えない値を
取り得るものとする。

【００５８】［他の実施の形態］なお、本発明の目的
は、前述した実施の形態の機能を実現するソフトウエア
のプログラムコードを記録した記録媒体（記憶媒体）
を、システムあるいは装置に供給し、そのシステムある
いは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記
録媒体に格納されたプログラムコードを読み出し、実行
することによっても、達成されることは言うまでもな
い。この場合、記録媒体から読み出されたプログラムコ
ード自体が前述した実施の形態の機能を実現することに
なり、そのプログラムコードを記録した記録媒体は本発
明を構成することになる。そのプログラムコードを記録
し、またテーブル等の変数データを記録する記録媒体と
しては、例えばフロッピディスク、ハードディスク、光
ディスクなどを用いことができる。

【００５９】

【発明の効果】以上説明したように、本発明によれば、
オーディオ符号化において、周波数帯域で分割した聴覚
的なエントロピー情報を用いたオーディオ信号の高能率
のビット割り当て制御・符号化技術を提供することがで
きる。

【００６０】即ち、本発明によれば、周波数帯域で分割
した複数の各PPEのエントロピーを計算し、エントロピ
ー情報量が予め定めた閾値を越えた時にそれに対応する
符号化する周波数帯域を広げ、周波数領域全体として大
きな量子化歪みを許し、閾値以下の時は量子化歪みを小
さくするよう符号化帯域を狭くするよう制御するので、
聴感上時間平均的に量子化歪みを小さくし、符号化帯域
を広げ、音質の向上が図れる。

【図面の簡単な説明】

【図１】本発明の一実施形態におけるオーディオ信号の
符号化装置の構成を示すブロック図である。

【符号の説明】

１ フィルタバンク ２ ＦＦＴ ３ パーティションドエナジー計算ブロック ４ 聴覚閾値計算ブロック ５ パーティションド聴覚エントロピーブロック ６ 係数コントローラ ７ ビット配置ブロック

Claims (3)

【特許請求の範囲】
1. 【請求項１】 入力するオーディオ信号を時間−周波数
   変換するフィルタバンクと、 前記入力するオーディオ信号に対して周波数帯域で分割
   した複数の聴覚的なエントロピー情報を計算する演算手
   段と、 該演算手段で計算された前記エントロピー情報に基づい
   て前記フィルタバンクで時間−周波数変換されたオーデ
   ィオ信号のビット配分を制御し、符号化することでオー
   ディオ信号の量子化精度を制御する符号化手段とを具備
   することを特徴とするオーディオ信号の符号化装置。
2. 【請求項２】 入力するオーディオ信号の時間−周波数
   変換を行うフィルタバンクと、 前記入力するオーディオ信号を高速フーリエ変換する高
   速フーリエ変換手段と、 該高速フーリエ変換手段により高速フーリエ変換された
   オーディオ信号の周波数毎のエネルギーを計算するパー
   ティションドエナジー計算手段と、 該パーティションドエナジー計算手段で計算されたオー
   ディオ信号の周波数毎のエネルギーに基づいてオーディ
   オ信号の聴覚的な閾値を算出する聴覚閾値計算手段と、 該聴覚閾値計算手段で算出された前記閾値と前記パーテ
   ィションドエナジー計算手段で計算されたオーディオ信
   号の周波数毎のエネルギーとを基に、入力したオーディ
   オ信号の聴覚的なエントロピー情報として、複数の周波
   数帯域に分割して、各周波数帯域のマスキング・スレッ
   ショルド以上の周波数係数を量子化するのに必要なｂｉ
   ｔ数を計算するパーティションド聴覚エントロピー（PP
   E）算出手段と、 該パーティションド聴覚エントロピー算出手段で計算さ
   れた前記ｂｉｔ数を基に、前記フィルタバンクにより周
   波数領域に変換されたオーディオ信号の係数を制御する
   係数制御手段と、 前記係数制御手段で波形整形されたオーディオ信号と前
   記聴覚閾値計算手段で算出された前記マスキング・スレ
   ッショルドとを基に、符号化ビットストリームを生成す
   るビット配置手段とを具備することを特徴とするオーデ
   ィオ信号の符号化装置。
3. 【請求項３】 前記係数制御手段は、周波数帯域で分割
   した複数の各PPEのエントロピー情報量が予め定めたPPE
   の閾値を越えるものについて、それに対応する周波数帯
   域を広げたり、該周波数帯域の符号化するビット割り当
   て数の増加制御を行い、周波数領域全体として大きな量
   子化歪みを許し、一方、前記エントロピー情報量が前記
   閾値以下の時には、量子化歪みを小さくするようそれに
   対応する周波数帯域を削除したり、該周波数帯域の符号
   化するビット割り当て数の削減する制御を行うことによ
   り、聴感上時間平均的に量子化歪みを小さくし、かつ符
   号化帯域を広げることを特徴とする請求項２に記載のオ
   ーディオ信号の符号化装置。