JP2002026736A - オーディオ信号符号化方法及びその装置 - Google Patents

Abstract

(57)【要約】 【課題】 オーディオ信号符号化装置に係り、特に装置
の許容歪み、使用ビット数が許容範囲を適正値に入れる
までの算出推定ループの回数を良好に削減可能な符号化
装置を提供する。 【解決手段】 時間−周波数変換部１１と聴覚モデル部
１２と量子化符号化部１３とビットストリーム化部１４
を有するオーディオ信号符号化装置において、前記量子
化符号化部１３は、量子化歪みが、前記聴覚モデル部１
２から算出される許容ノイズレベル以下に収まるように
制御を行なう量子化歪算出判断手段１３４とバンドレベ
ル変更手段１３５とを有するブロックと、量子化を行な
い、範囲内に収まるよう制御するビット数算出判断手段
１３２と、全帯域レベル変更手段１３３とを有するブロ
ックとより構成され、前記ブロックにおける全帯域レベ
ル変更手段１３３の初期値を推測する全帯域レベル推測
手段１３１を先頭に有する構成とした。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、オーディオ信号を
周波数領域に変換した後に符号化を行なうオーディオ信
号符号化方法に係り、特に装置の許容歪み、使用ビット
数が許容範囲の適正値に入れるまでの算出推定ループの
回数を削減可能なオーディオ信号符号化装置に関する。

【０００２】

【従来の技術】従来より、オーディオ信号の符号化方法
には、例えば適応スペクトル聴感制御エントロピー符号
化法（ASPEC, Adaptive Spectral Perceptual Entropy
Coding）、ＭＰＥＧ１オーディオ・レイヤ3、ＭＰＥＧ
２オーディオＡＡＣ（AdvancedAudio Coding）がある。
これらは、非線形量子化とハフマン符号化のために２重
ループを構成して、量子化歪みと、符号量を制御してい
る。

【０００３】それぞれのループは、アウターループ、イ
ンナーループと呼ばれており、アウターループでは、量
子化歪みが、聴覚心理モデルから得られた許容ノイズレ
ベル以下になるように制御し、インナーループでは、量
子化を行ない所定のビット数の範囲内に収まるように制
御を行なう。

【０００４】図４には、従来の量子化符号化部における
イタレーションループ処理を示す。従来の処理では、所
定ビット数に収める処理と量子化歪みを所定量に収める
処理とに対して、それぞれループを作ることで実現して
いる。所定ビット数とは、設定されたビットレートより
求められる１オーディオフレームにおいて使用可能なビ
ット数を意味する。

【０００５】まず、インナーループでは、量子化（ＳＴ
ＥＰ１１Ａ）とハフマン符号化（ＳＴＥＰ１２Ａ）によ
り求められる使用ビット数が所定ビット数に収まってい
るかの判断を行ない（ＳＴＥＰ１３Ａ）、収まっていな
い場合には、周波数スペクトルを全ての帯域に対して一
様に可変する変数（global gain）を調整することで、
量子化器のステップサイズに相当するglobal gainを調
整する（ＳＴＥＰ１４Ａ）ことにより、所定のビット数
に納める。

【０００６】インナーループを実行するために必要なgl
obal gainの初期値は初期化部で求められる（ＳＴＥＰ
１Ａ）。初期化部では、周波数スペクトル中の最大値を
量子化式により量子化した際に、量子化値がハフマン符
号化を行なうための制限値を超えないようなglobal gai
nを求め、これを初期値とする。この初期値は、周波数
スペクトルの最大値を基準に求めるため、量子化値全体
が小さい値となる。そのため、所定のビット数に対して
ビットが余る傾向になる。

【０００７】つぎに、アウターループでは、インナール
ープで求められた量子化結果を元に逆量子化を行ない、
周波数スペクトルのバンド単位で量子化歪みを求める
（ＳＴＥＰ３Ａ）。

【０００８】求めた量子化歪みが聴覚モデル部の信号対
マスキング率SMR(Signal-to-Mask-ratio)から求めた許
容歪み内に収まっているかを判断し（ＳＴＥＰ４Ａ）、
収まっていない場合、そのバンドのscalefactor(sfb)を
調整する（ＳＴＥＰ５Ａ）。量子化歪みが収まっていな
いバンドが１バンド以上存在する場合には、再びインナ
ーループからやり直す。

【０００９】収まっていないバンドが残っている場合
は、量子化歪みが収まるまでscalefactor(sfb)を何度も
調整し（ＳＴＥＰ５Ａ）、インナーループを繰り返す。
よって、これまでのやり方では収束するまで時間が掛か
ってしまう。

【００１０】

【発明が解決しようとする課題】前記のインナー、アウ
ターの２重ループ処理では、外側に存在するアウタール
ープが満足されない場合に、再び内側にあるインナール
ープを呼び出さねばならないため、収束時間の確定が難
しい。この収束時間を速めること、即ち、ループの回数
を削減するには、ループを開始する初期値の決定が重要
となる。そこで本発明は、ループの初期値の決定手段を
有する符号化装置及びその方法を提供することで、ルー
プ回数を削減することを目的とする。

【００１１】

【課題を解決するための手段】上記目的を達成するため
の手段として、前記第１のブロック内にあるパラメータ
の初期値を推測するブロックでは、周波数スペクトルを
別の符号化方法で符号化を行ない算出した使用ビット数
と所定ビット数を用いてパラメータの初期値を推測し、
求められた初期値を用いてインナーループ処理を行な
う。

【００１２】すなわち、請求項１の発明は、オーディオ
信号が供給される時間−周波数変換ステップと聴覚モデ
ルステップと、前記時間−周波数変換ステップと聴覚モ
デルステップの各出力が供給される量子化符号化ステッ
プと、前記量子化符号化ステップの出力が供給されるビ
ットストリーム化ステップとを有して、前記オーディオ
信号を符号化する際に、前記量子化符号化ステップは、
量子化を行ない、使用ビット数が所定ビット数の範囲内
に収まるように制御を行なう使用ビット数算出判断ステ
ップと、周波数スペクトル全帯域のレベルを変更する全
帯域レベル変更ステップと、量子化歪みが、前記聴覚モ
デルステップから算出される許容ノイズレベル以下に収
まるように制御を行なう量子化歪算出判断ステップと、
バンドレベルを変更するバンドレベル変更ステップとを
有するオーディオ信号符号化方法であつて、前記時間−
周波数変換ステップより供給される周波数スペクトルに
対して、２の対数を取ることで求められる周波数スペク
トル値をビット表現するのに必要な第１のビット数と、
そのビット表現が何ビット幅であるかを示す補助情報と
しての第２のビット数と、前記所定ビット数とを用い
て、前記全帯域レベル変更ステップの初期値を推測する
全帯域レベル推測ステップを前記量子化符号化ステップ
の先頭に設けるようにしたことを特徴とするオーディオ
信号符号化方法を提供し、請求項２の発明は、オーディ
オ信号が供給される時間−周波数変換部と聴覚モデル部
と、前記時間−周波数変換部と聴覚モデル部の各出力が
供給される量子化符号化部と、前記量子化符号化部の出
力が供給されるビットストリーム化部とを有して、前記
オーディオ信号を符号化する際に、前記量子化符号化部
は、量子化を行ない、使用ビット数が所定ビット数の範
囲内に収まるように制御を行なう使用ビット数算出判断
手段と、周波数スペクトル全帯域のレベルを変更する全
帯域レベル変更手段と、量子化歪みが、前記聴覚モデル
部から算出される許容ノイズレベル以下に収まるように
制御を行なう量子化歪算出判断手段と、バンドレベルを
変更するバンドレベル変更手段とを有するオーディオ信
号符号化装置であつて、前記時間−周波数変換部より供
給される周波数スペクトルに対して、２の対数を取るこ
とで求められる周波数スペクトル値をビット表現するの
に必要な第１のビット数と、そのビット表現が何ビット
幅であるかを示す補助情報としての第２のビット数と、
前記所定ビット数とを用いて、前記全帯域レベル変更手
段の初期値を推測する全帯域レベル推測手段を前記量子
化符号化手段の先頭に設けるようにしたことを特徴とす
るオーディオ信号符号化装置を提供するものである。

【００１３】

【発明の実施の形態】本発明のオーディオ符号化装置及
びその方法の一実施例について、図と共に以下に説明す
る。図１は本発明のオーディオ信号符号化装置の一実施
例のブロック構成図を示し、図２には本発明のオーディ
オ信号符号化装置の量子化符号化部の一実施例のブロッ
ク構成図を示す。

【００１４】図１に示される本発明のオーディオ信号符
号化装置の一実施例は、時間−周波数変換部１１、聴覚
モデル部１２、量子化符号化部１３、及びビットストリ
ーム化部１４より構成されている。

【００１５】図２に示されている本発明のオーディオ符
号化装置の量子化符号化部１３の一実施例は、量子化、
符号化器１３０、全帯域レベル (global gain)推測器１
３１、使用ビット数算出判断器１３２、全帯域レベル
(global gain) 変更器１３３、量子化歪算出判断器１３
４、バンドレベル(scalefactor)変更器１３５、及び逆
量子化器１３６より構成されている。

【００１６】まず、図１に示される、入力されたPCM信
号は、時間−周波数変換部１１においてFFTやMDCT等を
用いて、時間軸から周波数軸への変換が行なわれ、その
周波数スペクトルが量子化符号化部１３に供給される。

【００１７】聴覚モデル部１２では、入力された信号に
対して聴覚心理に基づいたマスキングレベルの計算によ
り求められた信号対マスキング率SMR(Signal to Mask R
atio)化符号化部１３に供給される。

【００１８】量子化符号化部１３においては、各周波数
に対するレベルを所定のビット数でかつ、前記SMRより
求められた許容歪み内に量子化歪みが収まるように量子
化、符号化を行ない、量子化、符号化された信号をビッ
トストリーム化部１４に出力する。ビットストリーム化
部１４では、量子化符号化部１３より供給された信号を
ビットストリームとして出力する。

【００１９】下記の（数１）及び（数２）には、量子化
符号化部１３において、量子化、及び逆量子化で使用さ
れる各式の一実施例を示した。

【００２０】

【数１】

【００２１】

【数２】

【００２２】前記（数１）の量子化式において、mdct l
ine(k)は、時間−周波数変換部１１より出力される周波
数スペクトルを示しており、global gainは、周波数ス
ペクトル全帯域のレベルを全帯域レベル変更器１３３に
より変更するものである。

【００２３】また、scalefactor(sfb)は、バンド単位で
周波数スペクトルのレベルをバンドレベル変更器１３５
により変更するものである。Global gainは、量子化器
のステップサイズに相当し、scalefactor(sfb)は各スケ
ールファクタバンドの増幅度を決定する。

【００２４】インナーループでは、量子化とハフマン符
号化により求められる使用ビット数が所定ビット数に収
まっているかどうかの判断を行ない、収まっていない場
合には、周波数スペクトルを全ての帯域に対して一様に
可変する全帯域レベル(global gain)変更器１３３の変
数（global gain）を調整することで、所定のビット数
に納めるようにする。

【００２５】そこで、インナーループで求められた量子
化結果を元に逆量子化を行ない、バンド単位で量子化歪
みを求める。求めた量子化歪みが聴覚モデル部１２の信
号対マスキング率SMRから求めた許容歪み内に収まって
いるかどうかを判断し、収まっていない場合、そのバン
ドのscalefactor (sfb)をバンドレベル(scalefactor)変
更器１３５により調整する。量子化歪みが収まっていな
いバンドが１バンド以上存在する場合には、再びインナ
ーループからやり直す。

【００２６】図３に本発明のオーディオ信号符号化装置
及びその方法におけるイタレーションループを示す。本
発明のイタレーションループは、先に示した図４に対し
て、その先頭に、所定ビット数に収まるglobal gain値
を推測するブロックである、全帯域レベル(global gai
n)推測器１３１を追加した形のものになる。

【００２７】これは、図4の従来の初期化部におけるglo
bal gain算出方法を変更して、最初から最終結果に近い
global gain値を推測することが可能な算出方法とした
ものである。

【００２８】このブロックにおいて使用される、global
gain算出方法について、以下に説明する。ここでで求
めたglobal gain値を初期値として（ＳＴＥＰ1）、つぎ
のインナーループ（ＳＴＥＰ２）を実行する。

【００２９】この（ＳＴＥＰ1）の、前記所定ビット数
に収まるglobal gain値を推測する全帯域レベル推測器
１３１において使用される、別の符号化法を用いて使用
ビット数を求め、global gain値を算出推測する一実施
例について、以下に示す。

【００３０】量子化は前記（数１）より変形すると、下
記（数３）となる。

【００３１】

【数３】

【００３２】量子化された値が、何ビットで表現される
かを求めると、下記（数４）のnum-bitのように示され
る。

【００３３】

【数４】

【００３４】ところで、前記num-bitは入力信号が１６
ビットPCMである場合、絶対値を取っているため、正負
の符号を取り除いた１５ビットまで取り得る。

【００３５】つぎに、例えば、それをビットストリーム
のように、ビット単位の羅列をした場合、サンプルx1,x
2が何ビットで表現されているかが情報として与えられ
ていないと、取り出せなくなる。そのため、取り出すた
めのサイド情報として０〜１５まで表現出来るように４
ビットを別に使用する（補助情報としての第２のビット
数 ４×１０２４）。

【００３６】また、初期値を求めるので、scalefactor
(sfb) = all zero とすると、前記（数４）は、下記
（数５）のようになる。

【００３７】

【数５】

【００３８】さらに、前式をサンプル数１０２４個分求
めると、下記の（数６）のようになる。

【００３９】

【数６】

【００４０】このtotal num bitが前記所定ビット数(av
erage bit)であるような、global gainを下記（数７）
より求める。

【００４１】

【数７】

【００４２】よって、前記（数７）を整理すると下記
（数８）が得られる。

【００４３】

【数８】

【００４４】この（数８）に従って、前記時間−周波数
変換部１１より供給される周波数スペクトルを量子化し
て得られる量子化値に対して、全帯域レベル(global ga
in)推測器１３１は、２の対数を取ることで求められ
る、量子化値をビット表現するのに必要な第１のビット
数（(1/192)×(3/4)Σ(log2(x))と、そのビット表現が
何ビット幅であるかを示す補助情報としての第２のビッ
ト数(1/192×4096)と、前記所定ビット数(1/192)×(ave
rage bit)とから、前記全帯域レベル変更手段１３３の
初期値（global gain）を推測する。これによって、ル
ープが収束した時に得られる値に近い値が推測される。

【００４５】第１ブロックのインナーループでは、量子
化とハフマン符号化により求められる使用ビット数（Ｓ
ＴＥＰ１２）が所定ビット数に収まっているかの判断
を、使用ビット数算出判断器１３２により行なう（ＳＴ
ＥＰ１３）。

【００４６】収まっていない場合には、周波数スペクト
ルを全ての帯域に対して一様に可変する全帯域レベル変
更器１３３の変数（global gain）を調整する（ＳＴＥ
Ｐ1４）ことにより、所定のビット数に納めるようにす
る。

【００４７】第２ブロックのアウターループでは、イン
ナーループ（ＳＴＥＰ２）で求められた量子化結果を元
に逆量子化を行ない、バンド単位で量子化歪みを求める
（ＳＴＥＰ３）。

【００４８】求めた量子化歪みが聴覚モデル部１２の信
号対マスキング率SMRから求めた許容歪み内に収まって
いるかどうかを量子化歪算出判断器１３４により判断
し、収まっていない場合（ＳＴＥＰ4）には、そのバン
ドのscalefactor(sfb)をバンドレベル(scalefactor)変
更器１３５により調整を行なう（ＳＴＥＰ５）。

【００４９】量子化歪みが収まっていないバンドが１バ
ンド以上存在する場合（ＳＴＥＰ4）には、再びインナ
ーループ（ＳＴＥＰ２）からやり直す。

【００５０】インナーループを実行するために必要なgl
obal gainの初期値は従来のものでは初期化部で求めら
れる。この初期化部では、周波数スペクトル中の最大値
を量子化式により量子化した際に、量子化値がハフマン
符号化を行なうための制限値を超えないようなglobalga
inを求め、これを初期値としている。

【００５１】よって、この初期値は、周波数スペクトル
の最大値を基準に求めるため、量子化値全体が小さい値
となる。

【００５２】そのため、所定のビット数に対してビット
が余る傾向になるが、本発明のものは所定のビット数が
的確に推定されるので、大幅にループの改善がなされ、
ループの回数を減少させることが出来る。

【００５３】本発明は全帯域レベル(global gain)推測
器１３１により初期値の推定を最適に近く出来る（ＳＴ
ＥＰ１）ことにより、インナーループからやり直す回数
は従来のものと比較すると大幅に削減させることが出来
る。

【００５４】

【発明の効果】本発明のオーディオ符号化装置及びその
方法によれば、前記第１のブロック内のパラメータ(glo
bal gain)の初期値を推測する全帯域レベル推測手段に
より求められた初期値は、ループが収束した時に得られ
る値に近い値が推測されるため、第２のブロックにおけ
るインナーループの回数を大幅に削減させることが出来
る。

【図面の簡単な説明】

【図１】本発明のオーディオ符号化装置及びその方法の
一実施例のブロック構成を示した図である。

【図２】本発明のオーディオ符号化装置及びその方法の
一実施例のブロック構成を示した図である。

【図３】本発明のオーディオ符号化装置及びその方法の
イタレーションループのフローを示した図である。

【図４】従来のイタレーションループのフローを示した
図である。

【符号の説明】

１１ 時間−周波数変換部（時間−周波数変換ステッ
プ） １２ 聴覚モデル部（聴覚モデルステップ） １３ 量子化符号化部（量子化符号化ステップ） １３０ 量子化符号化器 １３１ 全帯域レベル(global gain)推測器（全帯域レ
ベル推測手段、ステップ） １３２ 使用ビット数算出判断器（使用ビット数算出判
断手段、ステップ） １３３ 全帯域レベル (global gain) 変更器（全帯域
レベル変更手段、ステップ） １３４ 量子化歪算出判断器（量子化歪算出判断手段、
ステップ） １３５ バンドレベル(scalefactor)変更器（バンドレ
ベル変更手段、ステップ） １３６ 逆量子化器 １４ ビットストリーム化部（ビットストリーム化ステ
ップ）

Claims (2)

【特許請求の範囲】
1. 【請求項１】オーディオ信号が供給される時間−周波数
   変換ステップと聴覚モデルステップと、前記時間−周波
   数変換ステップと聴覚モデルステップの各出力が供給さ
   れる量子化符号化ステップと、前記量子化符号化ステッ
   プの出力が供給されるビットストリーム化ステップとを
   有して、前記オーディオ信号を符号化する際に、前記量
   子化符号化ステップは、 量子化を行ない、使用ビット数が所定ビット数の範囲内
   に収まるように制御を行なう使用ビット数算出判断ステ
   ップと、周波数スペクトル全帯域のレベルを変更する全
   帯域レベル変更ステップと、量子化歪みが、前記聴覚モ
   デルステップから算出される許容ノイズレベル以下に収
   まるように制御を行なう量子化歪算出判断ステップと、
   バンドレベルを変更するバンドレベル変更ステップとを
   有するオーディオ信号符号化方法であつて、 前記時間−周波数変換ステップより供給される周波数ス
   ペクトルに対して、２の対数を取ることで求められる周
   波数スペクトル値をビット表現するのに必要な第１のビ
   ット数と、そのビット表現が何ビット幅であるかを示す
   補助情報としての第２のビット数と、前記所定ビット数
   とを用いて、前記全帯域レベル変更ステップの初期値を
   推測する全帯域レベル推測ステップを前記量子化符号化
   ステップの先頭に設けるようにしたことを特徴とするオ
   ーディオ信号符号化方法。
2. 【請求項２】オーディオ信号が供給される時間−周波数
   変換部と聴覚モデル部と、前記時間−周波数変換部と聴
   覚モデル部の各出力が供給される量子化符号化部と、前
   記量子化符号化部の出力が供給されるビットストリーム
   化部とを有して、前記オーディオ信号を符号化する際
   に、前記量子化符号化部は、 量子化を行ない、使用ビット数が所定ビット数の範囲内
   に収まるように制御を行なう使用ビット数算出判断手段
   と、周波数スペクトル全帯域のレベルを変更する全帯域
   レベル変更手段と、量子化歪みが、前記聴覚モデル部か
   ら算出される許容ノイズレベル以下に収まるように制御
   を行なう量子化歪算出判断手段と、バンドレベルを変更
   するバンドレベル変更手段とを有するオーディオ信号符
   号化装置であつて、 前記時間−周波数変換部より供給される周波数スペクト
   ルに対して、２の対数を取ることで求められる周波数ス
   ペクトル値をビット表現するのに必要な第１のビット数
   と、そのビット表現が何ビット幅であるかを示す補助情
   報としての第２のビット数と、前記所定ビット数とを用
   いて、前記全帯域レベル変更手段の初期値を推測する全
   帯域レベル推測手段を前記量子化符号化手段の先頭に設
   けるようにしたことを特徴とするオーディオ信号符号化
   装置。