JP2002189499A - ディジタルオーディオ信号圧縮方法および圧縮装置 - Google Patents
ディジタルオーディオ信号圧縮方法および圧縮装置Info
- Publication number
- JP2002189499A JP2002189499A JP2000387351A JP2000387351A JP2002189499A JP 2002189499 A JP2002189499 A JP 2002189499A JP 2000387351 A JP2000387351 A JP 2000387351A JP 2000387351 A JP2000387351 A JP 2000387351A JP 2002189499 A JP2002189499 A JP 2002189499A
- Authority
- JP
- Japan
- Prior art keywords
- digital audio
- audio signal
- frequency
- subband
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
(57)【要約】
【課題】 計算時間を従来より大幅に短縮することがで
きるディジタルオーディオ信号圧縮方法を提供する。 【解決手段】 この圧縮方法は、まず、各サブバンド毎
に周波性成分を求め（ステップＳ１）、次に、その周波
数成分を音圧レベルに変換し（ステップＳ２）、次に、
各サブバンド毎に音圧レベルの平均値を計算し（ステッ
プＳ３）、次に、各サブバンド毎に最大音圧レベルの重
み付けを行い（ステップＳ４）、次に、各サブバンド毎
に音圧レベルの分散を計算し（ステップＳ５）、次に、
聴覚感度データによる補正を行ってＳＭＲを求める（ス
テップＳ６）。求めたＳＭＲに基づいてビット割り当て
を行い、ビット割り当てに従って各サブバンドの信号を
量子化して出力する。
きるディジタルオーディオ信号圧縮方法を提供する。 【解決手段】 この圧縮方法は、まず、各サブバンド毎
に周波性成分を求め（ステップＳ１）、次に、その周波
数成分を音圧レベルに変換し（ステップＳ２）、次に、
各サブバンド毎に音圧レベルの平均値を計算し（ステッ
プＳ３）、次に、各サブバンド毎に最大音圧レベルの重
み付けを行い（ステップＳ４）、次に、各サブバンド毎
に音圧レベルの分散を計算し（ステップＳ５）、次に、
聴覚感度データによる補正を行ってＳＭＲを求める（ス
テップＳ６）。求めたＳＭＲに基づいてビット割り当て
を行い、ビット割り当てに従って各サブバンドの信号を
量子化して出力する。
Description
【０００１】
【発明の属する技術分野】この発明は、MPEG/Audio規
格、ATRAC規格、ドルビーディジタル規格等によるオー
ディオ信号圧縮において用いられるディジタルオーディ
オ信号圧縮方法および圧縮装置に関する。
格、ATRAC規格、ドルビーディジタル規格等によるオー
ディオ信号圧縮において用いられるディジタルオーディ
オ信号圧縮方法および圧縮装置に関する。
【０００２】
【従来の技術】図３は、MPEG(Moving Picture Coding E
xperts Group)/Audio規格によるディジタルオーディオ
信号圧縮回路の構成を示す回路図である。この図におい
て、入力ディジタルオーディオ信号Ｄａは所定のサンプ
ル数毎にブロック化（フレームと言う）され、２つのパ
スに分かれて処理される。まず、一方のパスにおけるフ
ィルタバンク１は、入力信号を等しい帯域幅を持つ３２
バンドのサブバンド信号に分割する。この場合、各々の
サブバンド信号は１／３２のサンプリング周波数にダウ
ンサンプルされる。スケールファクタ抽出・正規化回路
２は、１フレームにおける各々のサブバンド信号に対
し、最大絶対値を持つサンプルを検出する。その値を対
数に変換し量子化したものをスケールファクタと呼ぶ。
そして、このスケールファクタによって各サブバンドサ
ンプルを除算し、それらの値を±１の範囲内に正規化す
る。
xperts Group)/Audio規格によるディジタルオーディオ
信号圧縮回路の構成を示す回路図である。この図におい
て、入力ディジタルオーディオ信号Ｄａは所定のサンプ
ル数毎にブロック化（フレームと言う）され、２つのパ
スに分かれて処理される。まず、一方のパスにおけるフ
ィルタバンク１は、入力信号を等しい帯域幅を持つ３２
バンドのサブバンド信号に分割する。この場合、各々の
サブバンド信号は１／３２のサンプリング周波数にダウ
ンサンプルされる。スケールファクタ抽出・正規化回路
２は、１フレームにおける各々のサブバンド信号に対
し、最大絶対値を持つサンプルを検出する。その値を対
数に変換し量子化したものをスケールファクタと呼ぶ。
そして、このスケールファクタによって各サブバンドサ
ンプルを除算し、それらの値を±１の範囲内に正規化す
る。
【０００３】一方、心理聴覚分析部３は、ＦＦＴ（高速
フーリエ変換）による周波数スペクトルの計算を行い、
それよって得られた各周波数データに基づき各サブバン
ド毎のマスキングしきい値を計算して出力する。ビット
割当部４は心理聴覚分析部３の出力と、ビットレートで
決まる１フレームで使用可能なビット数の制限の下で反
復ループ処理により各サブバンド毎の量子化ビット数を
決定する。量子化部５は、各サブバンド毎に設定された
量子化ビット数でスケールファクタ抽出・正規化回路２
から出力されるサブバンド信号を量子化する。ビットス
トリーム生成部６は、量子化されたサブバンドサンプ
ル、各サブバンドに対するビット割当情報およびスケー
ルファクタをマルチプレックスし、それにヘッダを付け
てビットストリームを作成し出力する。
フーリエ変換）による周波数スペクトルの計算を行い、
それよって得られた各周波数データに基づき各サブバン
ド毎のマスキングしきい値を計算して出力する。ビット
割当部４は心理聴覚分析部３の出力と、ビットレートで
決まる１フレームで使用可能なビット数の制限の下で反
復ループ処理により各サブバンド毎の量子化ビット数を
決定する。量子化部５は、各サブバンド毎に設定された
量子化ビット数でスケールファクタ抽出・正規化回路２
から出力されるサブバンド信号を量子化する。ビットス
トリーム生成部６は、量子化されたサブバンドサンプ
ル、各サブバンドに対するビット割当情報およびスケー
ルファクタをマルチプレックスし、それにヘッダを付け
てビットストリームを作成し出力する。
【０００４】次に、従来の心理聴覚分析部３における処
理手順の一例を説明する。なお、以下に説明する手順
は、ISO/IEC 11172-3による心理聴覚モデルにおけるMOD
EL1の手順である。 (1)ＦＦＴによって周波数特性を求め、５１２の周波数
データを得る。 (2)３２のサブバンドの各音圧レベルを求める。 (3)絶対しきい値を決定する。 (4)音として聞こえる周波数（マスカー）を選ぶ。 (5)マスカーを減らす。 (6)個々のマスクしきい値を計算する。 (7)大域的マスクしきい値を計算する。 (8)各サブバンドの最小マスクしきい値を決定する。 (9)各サブバンドの信号対マスク比（ＳＭＲ）を計算す
る。そして、上記ＳＭＲがビット割当情報としてビット
割当部４へ出力される。
理手順の一例を説明する。なお、以下に説明する手順
は、ISO/IEC 11172-3による心理聴覚モデルにおけるMOD
EL1の手順である。 (1)ＦＦＴによって周波数特性を求め、５１２の周波数
データを得る。 (2)３２のサブバンドの各音圧レベルを求める。 (3)絶対しきい値を決定する。 (4)音として聞こえる周波数（マスカー）を選ぶ。 (5)マスカーを減らす。 (6)個々のマスクしきい値を計算する。 (7)大域的マスクしきい値を計算する。 (8)各サブバンドの最小マスクしきい値を決定する。 (9)各サブバンドの信号対マスク比（ＳＭＲ）を計算す
る。そして、上記ＳＭＲがビット割当情報としてビット
割当部４へ出力される。
【０００５】
【発明が解決しようとする課題】ところで、上述した従
来の心理聴覚分析部３における処理は、計算に時間がか
かる欠点があった。特に、上記(6)、(7)の計算に時間が
かかっていた。例えば、上記(7)の計算は、
来の心理聴覚分析部３における処理は、計算に時間がか
かる欠点があった。特に、上記(6)、(7)の計算に時間が
かかっていた。例えば、上記(7)の計算は、
【数１】 なる式の計算であり、ｌｏｇの計算を除外したとして
も、ｉは１〜約１３０であり、ｍ、ｎは音の数とノイズ
の数で１０〜２０程度あり、したがって、ＬＴtmとＬＴ
nmをそれぞれ１０００回以上計算しなくてはならない。
ＬＴtmとＬＴnmは３項の和で表現されるが、その内２項
は１次関数となっており、計算に時間がかかる。
も、ｉは１〜約１３０であり、ｍ、ｎは音の数とノイズ
の数で１０〜２０程度あり、したがって、ＬＴtmとＬＴ
nmをそれぞれ１０００回以上計算しなくてはならない。
ＬＴtmとＬＴnmは３項の和で表現されるが、その内２項
は１次関数となっており、計算に時間がかかる。
【０００６】この発明は、このような事情を考慮してな
されたもので、その目的は、計算時間を従来より大幅に
短縮することができるディジタルオーディオ信号圧縮方
法および圧縮装置を提供することにある。
されたもので、その目的は、計算時間を従来より大幅に
短縮することができるディジタルオーディオ信号圧縮方
法および圧縮装置を提供することにある。
【０００７】
【課題を解決するための手段】この発明は上記の課題を
解決すべくなされたもので、請求項１に記載の発明は、
入力ディジタルオーディオ信号に対して複数のサブバン
ドに周波数分割すると共に、心理聴覚分析処理を行い、
該心理聴覚分析処理の結果に従って各サブバンドのビッ
ト割り当てを行い、ビット割り当てに従って各サブバン
ドの信号を量子化して出力するディジタルオーディオ信
号圧縮方法において、前記心理聴覚分析処理は、入力デ
ィジタルオーディオ信号を周波数解析して周波数成分に
変換し、次に、各サブバンド毎の前記周波数成分の分散
を計算する処理であることを特徴とするディジタルオー
ディオ信号圧縮方法である。
解決すべくなされたもので、請求項１に記載の発明は、
入力ディジタルオーディオ信号に対して複数のサブバン
ドに周波数分割すると共に、心理聴覚分析処理を行い、
該心理聴覚分析処理の結果に従って各サブバンドのビッ
ト割り当てを行い、ビット割り当てに従って各サブバン
ドの信号を量子化して出力するディジタルオーディオ信
号圧縮方法において、前記心理聴覚分析処理は、入力デ
ィジタルオーディオ信号を周波数解析して周波数成分に
変換し、次に、各サブバンド毎の前記周波数成分の分散
を計算する処理であることを特徴とするディジタルオー
ディオ信号圧縮方法である。
【０００８】また、請求項２に記載の発明は、請求項１
に記載のディジタルオーディオ信号圧縮方法において、
前記心理聴覚分析処理は、入力ディジタルオーディオ信
号を周波数解析して周波数成分に変換した後、各サブバ
ンド毎の周波数成分の最大値を検出し、検出した最大値
にそのサブバンドの周波数帯域に応じた重み付けを行
い、重み付けを行った最大値を用いて前記分散を計算す
ることを特徴とする。また、請求項３に記載の発明は、
請求項１または請求項２に記載のディジタルオーディオ
信号圧縮方法において、前記心理聴覚分析処理は、前記
分散を計算した後、該計算によって得られた値に、予め
求められている聴覚感度に対応するデータを演算するこ
とを特徴とする。
に記載のディジタルオーディオ信号圧縮方法において、
前記心理聴覚分析処理は、入力ディジタルオーディオ信
号を周波数解析して周波数成分に変換した後、各サブバ
ンド毎の周波数成分の最大値を検出し、検出した最大値
にそのサブバンドの周波数帯域に応じた重み付けを行
い、重み付けを行った最大値を用いて前記分散を計算す
ることを特徴とする。また、請求項３に記載の発明は、
請求項１または請求項２に記載のディジタルオーディオ
信号圧縮方法において、前記心理聴覚分析処理は、前記
分散を計算した後、該計算によって得られた値に、予め
求められている聴覚感度に対応するデータを演算するこ
とを特徴とする。
【０００９】また、請求項４に記載の発明は、入力ディ
ジタルオーディオ信号に対して複数のサブバンドに周波
数分割すると共に、心理聴覚分析処理を行う心理聴覚分
析手段と、該心理聴覚分析処理の結果に従って各サブバ
ンドのビット割り当てを行うビット割り当て手段と、該
ビット割り当てに従って各サブバンドの信号を量子化し
て出力する量子化手段とを具備するディジタルオーディ
オ信号圧縮装置において、前記心理聴覚分析手段は、入
力ディジタルオーディオ信号を周波数解析して周波数成
分に変換する第１の手段と、各サブバンド毎の前記周波
数成分の分散を計算する第２の手段とを具備することを
特徴とするディジタルオーディオ信号圧縮装置である。
ジタルオーディオ信号に対して複数のサブバンドに周波
数分割すると共に、心理聴覚分析処理を行う心理聴覚分
析手段と、該心理聴覚分析処理の結果に従って各サブバ
ンドのビット割り当てを行うビット割り当て手段と、該
ビット割り当てに従って各サブバンドの信号を量子化し
て出力する量子化手段とを具備するディジタルオーディ
オ信号圧縮装置において、前記心理聴覚分析手段は、入
力ディジタルオーディオ信号を周波数解析して周波数成
分に変換する第１の手段と、各サブバンド毎の前記周波
数成分の分散を計算する第２の手段とを具備することを
特徴とするディジタルオーディオ信号圧縮装置である。
【００１０】
【発明の実施の形態】以下、図面を参照し、この発明の
一実施の形態について説明する。この実施形態による圧
縮方法を適用した圧縮回路は図３と同じであり、以下に
説明する処理手順は、図３の心理聴覚分析部３において
用いられる。図１は同実施の形態による圧縮方法を説明
するためのフローチャートである。以下、各ステップＳ
１〜Ｓ６を順次説明する。なお、以下の説明において
は、サブバンドの数を３２、各サブバンド内の周波数デ
ータの数を１６とする。
一実施の形態について説明する。この実施形態による圧
縮方法を適用した圧縮回路は図３と同じであり、以下に
説明する処理手順は、図３の心理聴覚分析部３において
用いられる。図１は同実施の形態による圧縮方法を説明
するためのフローチャートである。以下、各ステップＳ
１〜Ｓ６を順次説明する。なお、以下の説明において
は、サブバンドの数を３２、各サブバンド内の周波数デ
ータの数を１６とする。
【００１１】○ステップＳ１（周波数解析） 入力されるディジタルオーディオデータ（実数）に対
し、ＦＦＴ処理（ステップＳ１に記載される式の演算）
を行い、MPEG/Audio Layer2(MP2)の場合、周波数データ
Ｆ（ｋ）として、１０２４データを得る。この周波数デ
ータＦ（ｋ）は複素数データであり、実数入力のＦＦＴ
の対象性により、意味があるのは５１２データである。
なお、図の式においてｊは虚数単位である。
し、ＦＦＴ処理（ステップＳ１に記載される式の演算）
を行い、MPEG/Audio Layer2(MP2)の場合、周波数データ
Ｆ（ｋ）として、１０２４データを得る。この周波数デ
ータＦ（ｋ）は複素数データであり、実数入力のＦＦＴ
の対象性により、意味があるのは５１２データである。
なお、図の式においてｊは虚数単位である。
【００１２】○ステップＳ２（音圧レベル測定） 各周波数データＦ（ｋ）の実部と虚部の二乗の和、すな
わちＦ（ｋ）の絶対値の二乗Ｐ（ｋ）を求める。この値
Ｐ（ｋ）が音圧レベルに相当する。 ○ステップＳ３（平均値の測定） 上述した５１２の音圧データを１６データ毎に３２のサ
ブバンド（帯域）に分ける。そして、各サブバンド毎
に、音圧レベルＰ（ｋ）の平均値Ｅ（ｓｂ）を求める。
なお、ｓｂはサブバンド番号であり、低音側から０〜３
１が割り当てられている。例えば、ｓｂ＝３のサブバン
ドには、Ｐ（４８）〜Ｐ（６３）の音圧レベルが含まれ
る。
わちＦ（ｋ）の絶対値の二乗Ｐ（ｋ）を求める。この値
Ｐ（ｋ）が音圧レベルに相当する。 ○ステップＳ３（平均値の測定） 上述した５１２の音圧データを１６データ毎に３２のサ
ブバンド（帯域）に分ける。そして、各サブバンド毎
に、音圧レベルＰ（ｋ）の平均値Ｅ（ｓｂ）を求める。
なお、ｓｂはサブバンド番号であり、低音側から０〜３
１が割り当てられている。例えば、ｓｂ＝３のサブバン
ドには、Ｐ（４８）〜Ｐ（６３）の音圧レベルが含まれ
る。
【００１３】○ステップＳ４（最大値の重み付け） 各サブバンド毎に音圧レベルＰ（ｋ）の最大値Ｐ’
（ｋ）を検出し、検出した音圧レベルＰ’（ｋ）にsqrt
（３３／（ｓｂ＋１））｛sqrt：二乗根｝なる値を乗算
することによって、重み付けした音圧レベルＰ’（ｋ）
を得る。 ○ステップＳ５（分散の計算） 各サブバンド毎に、上述したステップＳ２〜Ｓ４の演算
結果を用いて、音圧レベルＰ（ｋ）の分散Ｖ（ｓｂ）を
計算する。ここで、各帯域の最大音圧レベルＰ（ｋ）に
ついては、上記重み付けした音圧レベルＰ’（ｋ）を用
いる。
（ｋ）を検出し、検出した音圧レベルＰ’（ｋ）にsqrt
（３３／（ｓｂ＋１））｛sqrt：二乗根｝なる値を乗算
することによって、重み付けした音圧レベルＰ’（ｋ）
を得る。 ○ステップＳ５（分散の計算） 各サブバンド毎に、上述したステップＳ２〜Ｓ４の演算
結果を用いて、音圧レベルＰ（ｋ）の分散Ｖ（ｓｂ）を
計算する。ここで、各帯域の最大音圧レベルＰ（ｋ）に
ついては、上記重み付けした音圧レベルＰ’（ｋ）を用
いる。
【００１４】○ステップＳ６（ＳＭＲの計算） 各サブバンドのＳＭＲを計算する。すなわち、各サブバ
ンドについて、分散Ｖ（ｓｂ）の対数をとり、２．５倍
し、その値から聴覚感度データＱ’（ｓｂ）の０．５倍
を減算する。ここで、聴覚感度データＱ’（ｓｂ）と
は、人間の耳の聴覚感度曲線に対応したデータであり、
予めメモリ内に記憶させておく。図２に感度聴覚データ
の一例を示す。この図において「Ｆｓ」は、アナログオ
ーディオ信号をディジタルオーディオ信号に変換する際
のサンプリング周波数である。
ンドについて、分散Ｖ（ｓｂ）の対数をとり、２．５倍
し、その値から聴覚感度データＱ’（ｓｂ）の０．５倍
を減算する。ここで、聴覚感度データＱ’（ｓｂ）と
は、人間の耳の聴覚感度曲線に対応したデータであり、
予めメモリ内に記憶させておく。図２に感度聴覚データ
の一例を示す。この図において「Ｆｓ」は、アナログオ
ーディオ信号をディジタルオーディオ信号に変換する際
のサンプリング周波数である。
【００１５】以上がこの発明の実施形態による処理手順
である。上述したことから明らかなように、この実施形
態による心理聴覚分析部３のＳＭＲ計算方法は、基本的
には、各サブバンド毎に音圧レベルＰ（ｋ）の分散を求
め、求めた分散値をＳＭＲとして使用するという方法で
ある。ここで、分散がＳＭＲとして使用できる理由は次
の通りである。すなわち、各サブバンドの１６の音圧レ
ベルの平均値が同じであったとしても、バラツキが大き
ければ分散は大きな値となり、逆に、バラツキが小さけ
れば分散は小さな値となる。全ての音圧レベルが等しけ
れば分散は０となる。一方、１つのサブバンドにおける
周波数成分にバラツキが少ない場合、それぞれの周波数
成分の位相がまちまちであれば、人間の耳には雑音に聞
こえる。これに対し、サブバンド内にピークがあれば、
その音が知覚される。すなわち、周波数成分（振幅また
は音圧レベル）の分散を計算した時に、分散が小さい波
形より大きい波形の方がより重要な波形であり、したが
って、ビット数も多くすることが必要となり、一方、分
散が小さい波形はビット数を少なくすることができる。
である。上述したことから明らかなように、この実施形
態による心理聴覚分析部３のＳＭＲ計算方法は、基本的
には、各サブバンド毎に音圧レベルＰ（ｋ）の分散を求
め、求めた分散値をＳＭＲとして使用するという方法で
ある。ここで、分散がＳＭＲとして使用できる理由は次
の通りである。すなわち、各サブバンドの１６の音圧レ
ベルの平均値が同じであったとしても、バラツキが大き
ければ分散は大きな値となり、逆に、バラツキが小さけ
れば分散は小さな値となる。全ての音圧レベルが等しけ
れば分散は０となる。一方、１つのサブバンドにおける
周波数成分にバラツキが少ない場合、それぞれの周波数
成分の位相がまちまちであれば、人間の耳には雑音に聞
こえる。これに対し、サブバンド内にピークがあれば、
その音が知覚される。すなわち、周波数成分（振幅また
は音圧レベル）の分散を計算した時に、分散が小さい波
形より大きい波形の方がより重要な波形であり、したが
って、ビット数も多くすることが必要となり、一方、分
散が小さい波形はビット数を少なくすることができる。
【００１６】ところで、ＳＭＲと分散には以下の性質が
ある。 (1)データ量割り当て１（ビット）がＳＭＲの約６（ｄ
Ｂ）に相当する。 (2)分散は音圧レベルの二乗の次元を持っている。 (3)音圧レベルは振幅の二乗の次元を持っている。 (4)データ量は振幅が２倍になった時に１（ビット）増
やすのが妥当である。すなわち、分散を振幅に直すため
に４乗根をとり、さらに、常用対数をとって２０倍（ｄ
Ｂへの変換）してＳＭＲとするのが妥当である。実際に
は、対数の性質から、分散の常用対数をとって５倍すれ
ばよい。つまり、ＳＭＲは、基本的には、 ＳＭＲ（ｓｂ）＝５×ｌｏｇ10Ｖ（ｓｂ） なる式によって求められる。
ある。 (1)データ量割り当て１（ビット）がＳＭＲの約６（ｄ
Ｂ）に相当する。 (2)分散は音圧レベルの二乗の次元を持っている。 (3)音圧レベルは振幅の二乗の次元を持っている。 (4)データ量は振幅が２倍になった時に１（ビット）増
やすのが妥当である。すなわち、分散を振幅に直すため
に４乗根をとり、さらに、常用対数をとって２０倍（ｄ
Ｂへの変換）してＳＭＲとするのが妥当である。実際に
は、対数の性質から、分散の常用対数をとって５倍すれ
ばよい。つまり、ＳＭＲは、基本的には、 ＳＭＲ（ｓｂ）＝５×ｌｏｇ10Ｖ（ｓｂ） なる式によって求められる。
【００１７】しかし、人間の耳には各種聴覚特性がある
ため、その特性を利用した方がよりよい結果が得られ
る。まず、人間の耳は低域ほど周波数分解能がよく、高
域になるに従い分解能が悪くなる性質がある。この性質
を考慮し、次の補正方法が考えられる。分散を計算する
時、各サブバンドにおける最大の音圧レベルＰ（ｋ）の
み周波数に反比例させて大きくする。すなわち、各サブ
バンドにおける最大の音圧レベルをＰ’（ｋ）とする
と、このＰ’（ｋ）に、 Ｐ’（ｋ）＝Ｐ’（ｋ）×（３２／ｓｂ） なる補正を加え、この補正後の音圧レベルＰ’（ｋ）を
使用して分散を計算する。
ため、その特性を利用した方がよりよい結果が得られ
る。まず、人間の耳は低域ほど周波数分解能がよく、高
域になるに従い分解能が悪くなる性質がある。この性質
を考慮し、次の補正方法が考えられる。分散を計算する
時、各サブバンドにおける最大の音圧レベルＰ（ｋ）の
み周波数に反比例させて大きくする。すなわち、各サブ
バンドにおける最大の音圧レベルをＰ’（ｋ）とする
と、このＰ’（ｋ）に、 Ｐ’（ｋ）＝Ｐ’（ｋ）×（３２／ｓｂ） なる補正を加え、この補正後の音圧レベルＰ’（ｋ）を
使用して分散を計算する。
【００１８】実験的には、直接反比例させると高域特性
が著しく劣化するため、二乗根に反比例させた方が良い
結果が得られる。また、ｓｂは０から始まるため計算の
都合上「１」を加算する。結局、次式によって音圧レベ
ルを補正することが好ましい。 Ｐ’（ｋ）＝Ｐ’（ｋ）×sqrt（３３／（ｓｂ＋１）） 前述したステップＳ４の重み付けはこの補正である。な
お、平均値の計算（ステップＳ３）においては、補正前
の音圧レベルＰ（ｋ）を使用する。
が著しく劣化するため、二乗根に反比例させた方が良い
結果が得られる。また、ｓｂは０から始まるため計算の
都合上「１」を加算する。結局、次式によって音圧レベ
ルを補正することが好ましい。 Ｐ’（ｋ）＝Ｐ’（ｋ）×sqrt（３３／（ｓｂ＋１）） 前述したステップＳ４の重み付けはこの補正である。な
お、平均値の計算（ステップＳ３）においては、補正前
の音圧レベルＰ（ｋ）を使用する。
【００１９】次に、人間の耳にはいわゆる聴覚曲線で表
される周波数特性がある。各サブバンドの中央における
聴覚感度をＱ（ｓｂ）とすると、この値は音圧レベル
（ｄＢ）単位で表されており、値が小さい（負にもな
る）ほど、耳の感度が良いことを示している。そこで、
この聴覚感度Ｑ（ｓｂ）を加味した次式によってＳＭＲ
を計算する方が好ましい。 ＳＭＲ2（ｓｂ）＝５×ｌｏｇ10Ｖ（ｓｂ）−Ｑ（ｓ
ｂ）
される周波数特性がある。各サブバンドの中央における
聴覚感度をＱ（ｓｂ）とすると、この値は音圧レベル
（ｄＢ）単位で表されており、値が小さい（負にもな
る）ほど、耳の感度が良いことを示している。そこで、
この聴覚感度Ｑ（ｓｂ）を加味した次式によってＳＭＲ
を計算する方が好ましい。 ＳＭＲ2（ｓｂ）＝５×ｌｏｇ10Ｖ（ｓｂ）−Ｑ（ｓ
ｂ）
【００２０】しかし、実際には、例えばＭＰ２でサンプ
リング周波数４８ＫＨｚの時を考えてみると、ｓｂ＝０
に相当する周波数は０〜７５０Ｈｚであり、この範囲に
は多くの音の基本波が存在するため、感度を落とすと音
質が低下し、ゴソゴソという感じのノイズが増加する。
したがって、耳の感度がある程度良くなる２ＫＨｚ程度
までは補正をしない方がよい結果が得られる。そのよう
に修正した値をＱ’（ｓｂ）とする。図２はこのＱ’
（ｓｂ）の値を示す。また、実験的には、単純に和をと
るより、０．５：０．５の割合で和をとった方が良い結
果が得られる。すわわち、次式によってＳＭＲを計算し
た方がより好ましい。 ＳＭＲ3（ｓｂ）＝２．５×ｌｏｇ10Ｖ（ｓｂ）−０．
５Ｑ’（ｓｂ） 上述したステップＳ６はこの計算処理を示している。
リング周波数４８ＫＨｚの時を考えてみると、ｓｂ＝０
に相当する周波数は０〜７５０Ｈｚであり、この範囲に
は多くの音の基本波が存在するため、感度を落とすと音
質が低下し、ゴソゴソという感じのノイズが増加する。
したがって、耳の感度がある程度良くなる２ＫＨｚ程度
までは補正をしない方がよい結果が得られる。そのよう
に修正した値をＱ’（ｓｂ）とする。図２はこのＱ’
（ｓｂ）の値を示す。また、実験的には、単純に和をと
るより、０．５：０．５の割合で和をとった方が良い結
果が得られる。すわわち、次式によってＳＭＲを計算し
た方がより好ましい。 ＳＭＲ3（ｓｂ）＝２．５×ｌｏｇ10Ｖ（ｓｂ）−０．
５Ｑ’（ｓｂ） 上述したステップＳ６はこの計算処理を示している。
【００２１】以上詳述したように、上記実施形態によれ
ば、各サブバンド毎に分散を計算し、この計算結果から
ＳＭＲを求めているので、従来の演算（[数１]参照）よ
りはるかに簡単な演算によってＳＭＲを求めることがで
きる。実験では、従来の方法の約１／３の時間でＳＭＲ
を求めることができた。なお、上記実施形態による方法
は、従来の心理聴覚モデルに比較し、ビットレートが下
がると、高域の特性が早く落ちる傾向がある。この結
果、従来の心理聴覚モデルでは目立つ高域の「ピロピ
ロ」という感じの量子化ノイズがこの実施形態による方
法では目立たず、代わりに、低域の「ゴソゴソ」という
量子化ノイズが目立つようになる。
ば、各サブバンド毎に分散を計算し、この計算結果から
ＳＭＲを求めているので、従来の演算（[数１]参照）よ
りはるかに簡単な演算によってＳＭＲを求めることがで
きる。実験では、従来の方法の約１／３の時間でＳＭＲ
を求めることができた。なお、上記実施形態による方法
は、従来の心理聴覚モデルに比較し、ビットレートが下
がると、高域の特性が早く落ちる傾向がある。この結
果、従来の心理聴覚モデルでは目立つ高域の「ピロピ
ロ」という感じの量子化ノイズがこの実施形態による方
法では目立たず、代わりに、低域の「ゴソゴソ」という
量子化ノイズが目立つようになる。
【００２２】
【発明の効果】以上説明したように、この発明によれ
ば、各サブバンド毎に周波性成分を求め、求めた周波数
成分の分散を計算し、この計算結果に基づいてビット割
り当てを行うので、ビット割り当てのための計算時間を
従来より大幅に短縮することができる利点が得られる。
ば、各サブバンド毎に周波性成分を求め、求めた周波数
成分の分散を計算し、この計算結果に基づいてビット割
り当てを行うので、ビット割り当てのための計算時間を
従来より大幅に短縮することができる利点が得られる。
【図１】 この発明による方法の一実施形態の処理手順
を示すフローチャートである。
を示すフローチャートである。
【図２】 同実施形態において用いられる聴覚感度デー
タを示す図である。
タを示す図である。
【図３】 ディジタルオーディオ信号圧縮回路の構成例
を示すブロック図である。
を示すブロック図である。
３…心理聴覚分析部、４…ビット割当部、５…量子化回
路。
路。
Claims (4)
- 【請求項１】 入力ディジタルオーディオ信号に対して
複数のサブバンドに周波数分割すると共に、心理聴覚分
析処理を行い、該心理聴覚分析処理の結果に従って各サ
ブバンドのビット割り当てを行い、ビット割り当てに従
って各サブバンドの信号を量子化して出力するディジタ
ルオーディオ信号圧縮方法において、 前記心理聴覚分析処理は、入力ディジタルオーディオ信
号を周波数解析して周波数成分に変換し、次に、各サブ
バンド毎の前記周波数成分の分散を計算する処理である
ことを特徴とするディジタルオーディオ信号圧縮方法。 - 【請求項２】 前記心理聴覚分析処理は、入力ディジタ
ルオーディオ信号を周波数解析して周波数成分に変換し
た後、各サブバンド毎の周波数成分の最大値を検出し、
検出した最大値にそのサブバンドの周波数帯域に応じた
重み付けを行い、重み付けを行った最大値を用いて前記
分散を計算することを特徴とする請求項１に記載のディ
ジタルオーディオ信号圧縮方法。 - 【請求項３】 前記心理聴覚分析処理は、前記分散を計
算した後、該計算によって得られた値に、予め求められ
ている聴覚感度に対応するデータを演算することを特徴
とする請求項１または請求項２に記載のディジタルオー
ディオ信号圧縮方法。 - 【請求項４】 入力ディジタルオーディオ信号に対して
複数のサブバンドに周波数分割すると共に、心理聴覚分
析処理を行う心理聴覚分析手段と、該心理聴覚分析処理
の結果に従って各サブバンドのビット割り当てを行うビ
ット割り当て手段と、該ビット割り当てに従って各サブ
バンドの信号を量子化して出力する量子化手段とを具備
するディジタルオーディオ信号圧縮装置において、 前記心理聴覚分析手段は、入力ディジタルオーディオ信
号を周波数解析して周波数成分に変換する第１の手段
と、各サブバンド毎の前記周波数成分の分散を計算する
第２の手段とを具備することを特徴とするディジタルオ
ーディオ信号圧縮装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000387351A JP3478267B2 (ja) | 2000-12-20 | 2000-12-20 | ディジタルオーディオ信号圧縮方法および圧縮装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000387351A JP3478267B2 (ja) | 2000-12-20 | 2000-12-20 | ディジタルオーディオ信号圧縮方法および圧縮装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002189499A true JP2002189499A (ja) | 2002-07-05 |
| JP3478267B2 JP3478267B2 (ja) | 2003-12-15 |
Family
ID=18854301
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000387351A Expired - Fee Related JP3478267B2 (ja) | 2000-12-20 | 2000-12-20 | ディジタルオーディオ信号圧縮方法および圧縮装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3478267B2 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007525707A (ja) * | 2004-02-18 | 2007-09-06 | ヴォイスエイジ・コーポレーション | Ａｃｅｌｐ／ｔｃｘに基づくオーディオ圧縮中の低周波数強調の方法およびデバイス |
| JP2016218465A (ja) * | 2011-07-13 | 2016-12-22 | ▲ホア▼▲ウェイ▼技術有限公司Ｈｕａｗｅｉ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｃｏ．，Ｌｔｄ． | 音声信号の符号化と復号化の方法および装置 |
| CN113450846A (zh) * | 2020-03-27 | 2021-09-28 | 上海汽车集团股份有限公司 | 一种声压级标定方法及装置 |
-
2000
- 2000-12-20 JP JP2000387351A patent/JP3478267B2/ja not_active Expired - Fee Related
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007525707A (ja) * | 2004-02-18 | 2007-09-06 | ヴォイスエイジ・コーポレーション | Ａｃｅｌｐ／ｔｃｘに基づくオーディオ圧縮中の低周波数強調の方法およびデバイス |
| US7933769B2 (en) | 2004-02-18 | 2011-04-26 | Voiceage Corporation | Methods and devices for low-frequency emphasis during audio compression based on ACELP/TCX |
| US7979271B2 (en) | 2004-02-18 | 2011-07-12 | Voiceage Corporation | Methods and devices for switching between sound signal coding modes at a coder and for producing target signals at a decoder |
| JP4861196B2 (ja) * | 2004-02-18 | 2012-01-25 | ヴォイスエイジ・コーポレーション | Ａｃｅｌｐ／ｔｃｘに基づくオーディオ圧縮中の低周波数強調の方法およびデバイス |
| JP2016218465A (ja) * | 2011-07-13 | 2016-12-22 | ▲ホア▼▲ウェイ▼技術有限公司Ｈｕａｗｅｉ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｃｏ．，Ｌｔｄ． | 音声信号の符号化と復号化の方法および装置 |
| US9984697B2 (en) | 2011-07-13 | 2018-05-29 | Huawei Technologies Co., Ltd. | Audio signal coding and decoding method and device |
| US10546592B2 (en) | 2011-07-13 | 2020-01-28 | Huawei Technologies Co., Ltd. | Audio signal coding and decoding method and device |
| US11127409B2 (en) | 2011-07-13 | 2021-09-21 | Huawei Technologies Co., Ltd. | Audio signal coding and decoding method and device |
| CN113450846A (zh) * | 2020-03-27 | 2021-09-28 | 上海汽车集团股份有限公司 | 一种声压级标定方法及装置 |
| CN113450846B (zh) * | 2020-03-27 | 2024-01-23 | 上海汽车集团股份有限公司 | 一种声压级标定方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3478267B2 (ja) | 2003-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100269213B1 (ko) | 오디오신호의부호화방법 | |
| Johnston | Transform coding of audio signals using perceptual noise criteria | |
| US7548850B2 (en) | Techniques for measurement of perceptual audio quality | |
| JP3297051B2 (ja) | 適応ビット配分符号化装置及び方法 | |
| RU2500043C2 (ru) | Кодер, декодер, способ кодирования и способ декодирования | |
| JP5539203B2 (ja) | 改良された音声及びオーディオ信号の変換符号化 | |
| US7917369B2 (en) | Quality improvement techniques in an audio encoder | |
| JP2906646B2 (ja) | 音声帯域分割符号化装置 | |
| JPH066236A (ja) | 高能率符号化及び／又は復号化装置 | |
| JP4091994B2 (ja) | ディジタルオーディオ符号化方法及び装置 | |
| JP3081378B2 (ja) | 毎秒３２ｋｂの可聴周波数信号の符号化方法 | |
| EP1398761A1 (en) | Bit rate reduction in audio encoders by exploiting inharmonicity effects and auditory temporal masking | |
| JP3188013B2 (ja) | 変換符号化装置のビット配分方法 | |
| KR100477701B1 (ko) | Ｍｐｅｇ 오디오 인코딩 방법 및 ｍｐｅｇ 오디오 인코딩장치 | |
| JP3395001B2 (ja) | ディジタルオーディオ信号の適応的符号化方法 | |
| JP3297050B2 (ja) | デコーダスペクトル歪み対応電算式適応ビット配分符号化方法及び装置 | |
| JPH0653911A (ja) | 音声データ符号化方法及び音声データ符号化装置 | |
| US20130085762A1 (en) | Audio encoding device | |
| JP2002189499A (ja) | ディジタルオーディオ信号圧縮方法および圧縮装置 | |
| JP3297238B2 (ja) | 適応的符号化システム及びビット割当方法 | |
| EP0720146A1 (en) | A method for measuring speech masking properties | |
| JP2993324B2 (ja) | 音声高能率符号化装置 | |
| JPH08167878A (ja) | デジタルオーディオ信号符号化装置 | |
| JP2011141540A (ja) | 音声信号処理装置、テレビジョン受像機、音声信号処理方法、プログラム、および、記録媒体 | |
| Gunjal et al. | Traditional Psychoacoustic Model and Daubechies Wavelets for Enhanced Speech Coder Performance |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313532 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313532 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071003 Year of fee payment: 4 |
|
| R370 | Written measure of declining of transfer procedure |
Free format text: JAPANESE INTERMEDIATE CODE: R370 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071003 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081003 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091003 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101003 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101003 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111003 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111003 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121003 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121003 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131003 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |