JP2002196792A - 音声符号化方式、音声符号化方法およびそれを用いる音声符号化装置、記録媒体、ならびに音楽配信システム - Google Patents

音声符号化方式、音声符号化方法およびそれを用いる音声符号化装置、記録媒体、ならびに音楽配信システム

Info

Publication number
JP2002196792A
JP2002196792A JP2000391855A JP2000391855A JP2002196792A JP 2002196792 A JP2002196792 A JP 2002196792A JP 2000391855 A JP2000391855 A JP 2000391855A JP 2000391855 A JP2000391855 A JP 2000391855A JP 2002196792 A JP2002196792 A JP 2002196792A
Authority
JP
Japan
Prior art keywords
scale factor
factor band
maximum scale
band
signal
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.)
Withdrawn
Application number
JP2000391855A
Other languages
English (en)
Inventor
Yasuhito Watanabe
泰仁 渡邊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Holdings Corp
Original Assignee
Matsushita Electric Industrial Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Priority to JP2000391855A priority Critical patent/JP2002196792A/ja
Priority to DE60106717T priority patent/DE60106717T2/de
Priority to EP01128475A priority patent/EP1220203B1/en
Priority to US10/036,718 priority patent/US6915255B2/en
Priority to CNB011338172A priority patent/CN1310431C/zh
Publication of JP2002196792A publication Critical patent/JP2002196792A/ja
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

(57)【要約】 【課題】 ＭＰＥＧ２オーディオ符号化方式ＡＡＣ方式
等で符号化する際に、少ない演算量で、かつより高音質
な符号化を実現することができる音声符号化方式を提供
すること。 【解決手段】 窓長および符号化モードの指定情報に基
づいて複数のスケールファクタバンドとその閾値情報を
初期設定し、そのスケールファクタバンドのうち符号化
する周波数帯域を特定する最大スケールファクタバンド
を、入力信号の周波数分布を分析した結果および聴覚心
理モデルに基づいて算出することにより、入力信号の周
波数特性およびビットレートやサンプリング周波数等の
符号化条件に応じて、符号化する周波数帯域を適応的に
算出するように構成する。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、音声符号化方式、
音声符号化方法およびそれを用いる音声符号化装置、記
録媒体、ならびに音楽配信システムに関し、特にＭＰＥ
Ｇ（Moving Picture Experts Group）オーディオ規格で
採用されている時間周波数変換符号化を用いる音声符号
化方式、音声符号化方法、音声符号化装置、および前記
音声符号化方法を実行ためのプログラムを格納した記録
媒体、ならびにその音声符号化方式または装置を構成要
素とする音楽配信システムに関するものである。
【０００２】
【従来の技術】従来、音声符号化には、統計的性質を利
用して符号化を行うエントロピー符号化や、人間の知覚
特性を利用して不要な細部情報を削減していく知覚符号
化が利用されているが、ＭＰＥＧオーディオ規格では後
者が積極的に利用されている。例えば、人間の聴覚での
最小可聴限界以下の音や、マスキング効果により聞き取
れなくなる周波数帯域の音を省略する等した圧縮方法が
採用されている。
【０００３】この種のデジタルオーディオ信号を符号化
する際に、符号化する周波数帯域を設定する場合は、入
力信号のサンプリング周波数あるいは窓長（ロングフレ
ーム・ショートフレーム）に応じて、固定の値を割り当
てていた。ここで、ＭＰＥＧ２オーディオ規格準拠の音
声符号化方式を例にとり、その動作を説明する。 図１
８は、ＭＰＥＧ２オーディオ規格ＡＡＣ（Advanced Aud
io Coding）準拠の音声符号化方式における、最大スケ
ールファクタバンド値（ｍａｘＳｆｂ）の一例のデータ
を示すテーブルである。このテーブルは、入力信号のサ
ンプリング周波数に対するロングフレーム、ショートフ
レームそれぞれについて最大スケールファクタバンド値
を割り当てたものである。
【０００４】図１９は、従来例の音声符号装置のブロッ
ク図である。この音声符号化装置は、ＦＦＴ分析手段３
００、窓長分析手段３１０、入力信号情報３２０、聴覚
心理分析手段３３０、最大スケールファクタバンド値
（図中ではｍａｘＳｆｂと記す）算出手段３４０、前記
最大スケールファクタバンド値（ｍａｘＳｆｂ）を格納
したテーブル３５０、スペクトル処理手段３６０、およ
び量子化／符号化手段３７０を含んで構成されている。
【０００５】この音声符号化装置に入力されるデジタル
オーディオ信号は、窓長分析手段３１０により分析さ
れ、入力信号が定常な信号の場合にはロングフレーム
と、入力信号が過渡的な信号の場合にはショートフレー
ムと分析される。この窓長分析手段３１０の分析結果
は、符号化モードを指定する手段３２０より得られた入
力信号のサンプリング周波数と共に、最大スケールファ
クタバンド算出手段３４０に取り込まれる。この最大ス
ケールファクタバンド算出手段３４０は、入力内容に応
じて最大スケールファクタバンド（ｍａｘＳｆｂ）係数
テーブル３５０を参照し、最大スケールファクタバンド
値（ｍａｘＳｆｂ）を設定する算出処理を実行する。
【０００６】一方、入力デジタルオーディオ信号は、Ｆ
ＦＴ分析手段３００において、高速フーリエ変換（ＦＦ
Ｔ：Fast Fourier Transform）され、その結果を用い
て、聴覚心理分析手段３３０により人間の聴覚心理モデ
ルに基づくスケールファクタバンドごとの信号対マスク
比（ＳＭＲ；Signal to Masking Ratio）値が算出され
る。そして、この信号対マスク比（ＳＭＲ）および最大
スケールファクタバンド値（ｍａｘＳｆｂ）等の情報を
用いて、スペクトル処理手段３６０がＭＤＣＴ（Modifi
ed Discrete Cosine Transform；変形離散コサイン変
換）処理やＴＮＳ（Temporal Noise Shaping；時間領域
雑音形状化処理）等のスペクトル処理を実行し、次い
で、処理量子化／符号化手段３７０が量子化／符号化を
行うようになっている。
【０００７】
【発明が解決しようとする課題】しかしながら、以上の
ように構成された従来の音声符号化方式では、符号化す
る周波数帯域を特定する最大スケールファクタバンド
（ｍａｘＳｆｂ）の値が予め設定された固定値であるた
め、例えば低周波数域にのみ信号が偏っているような場
合にも最大スケールファクタバンド（ｍａｘＳｆｂ）ま
で、演算処理および量子化／符号化処理を行うことにな
るため、演算量の増加および符号化に必要な符号量が増
加することになっていた。そのため、特に音楽配信シス
テムにおいて、無駄な符号化演算および符号量が多くな
り、その結果として音質向上が容易でなかった。
【０００８】本発明は、上記のような従来の問題点に鑑
みてなされたもので、符号化する周波数帯域を入力信号
の周波数特性に応じて適応的に変化させることにより、
演算量を削減し、符号量を有効に活用することができる
音声符号化方式、音声符号化方法およびその措置、その
音声符号化方式を実現するためのプログラムを格納した
コンピュータ読取可能な記録媒体、ならびに音楽配信シ
ステムを提供することを目的とする。
【０００９】
【課題を解決するための手段】上記課題を解決するた
め、本発明の音声符号化方式は、入力信号を複数のスケ
ールファクタバンドに分割するとともに、所定の聴覚心
理モデルに基づいて前記スケールファクタバンドごとに
符号化を行う音声符号化方式であって、前記入力信号が
定常的な信号であるか過渡的な信号であるかにより前記
入力信号の符号化フレームを特定する窓長を分析する窓
長分析手段と、前記入力信号を高速フーリエ変換するＦ
ＦＴ分析手段と、符号化モードを決定するための符号化
モード情報を指定する符号化モード情報指定手段と、前
記入力信号を高速フーリエ変換した結果および前記聴覚
心理モデルに基づいて、前記入力信号に対する信号対マ
スク比を算出する聴覚心理分析手段と、符号化する周波
数帯域を特定する最大スケールファクタバンドを算出す
る最大スケールファクタバンド算出手段と、前記最大ス
ケールファクタバンドを算出するための係数を格納した
最大スケールファクタバンド係数テーブルを記憶する最
大スケールファクタバンドテーブル記憶手段と、前記窓
長および前記符号化モード情報に基づいて、前記最大ス
ケールファクタバンドを算出するために必要な初期値を
算出する最大スケールファクタバンド初期値算出手段
と、前記ＦＦＴ分析手段からのデータおよび前記最大ス
ケールファクタバンドの算出値に基づいて前記入力信号
のスペクトル処理を行うスペクトル処理手段と、前記ス
ペクトル処理がされたデータを前記スケールファクタバ
ンドごとに量子化および符号化する量子化／符号化手段
とを備え、前記入力信号に応じて適応的に前記最大スケ
ールファクタバンドを算出するようにしたことを特徴と
するものである。この構成により、入力信号に応じて最
大スケールファクタバンドを適応的に算出することで、
符号化する周波数帯域を常に必要な帯域に割当てて、符
号化のために無駄な演算量を削減し、符号量を有効に活
用することができる音声符号化方式を容易に実現するこ
とができる。上記音声符号化方式においては、前記最大
スケールファクタバンドは、前記符号化モード情報から
得られるビットレートおよびサンプリング周波数に応
じ、前記最大スケールファクタバンド係数テーブルを参
照することにより設定されるのが好ましい。この構成に
より、符号化モードに適した最大スケールファクタバン
ドの設定が可能となる。
【００１０】また、前記最大スケールファクタバンド
は、前記符号化モード情報より得られるチャンネル数に
応じ、前記最大スケールファクタバンド係数テーブルを
参照することにより設定されるのが、より好ましい。こ
の構成により、入力信号のチャンネル数をも考慮して、
その符号化モードにより適した最大スケールファクタバ
ンドの設定が可能となる。
【００１１】また、上記音声符号化方式においては、前
記窓長および前記符号化モード情報に応じた所定の複数
の閾値を格納した閾値テーブルを記憶する閾値テーブル
記憶手段を有し、前記最大スケールファクタバンド算出
手段は、前記最大スケールファクタバンド係数テーブル
を参照することにより設定されるいずれか１つの最大ス
ケールファクタバンドにおける、前記聴覚心理分析手段
で算出された信号対マスク比と、前記窓長および前記符
号化モード情報に応じて前記閾値テーブルを参照するこ
とにより設定された閾値とを比較し、前記算出された信
号対マスク比が前記設定された閾値より小さい場合には
前記最大スケールファクタバンドを１ずつ下げていき、
前記算出された信号対マスク比が前記設定された閾値よ
り大きな値をとるスケールファクタバンドになる1つ前
のスケールファクタバンドを現在の符号化フレームの最
大スケールファクタバンドとするものであるのがよい。
この構成により、マスキング閾および臨界帯域を常に好
適に保って無駄な符号化処理を省き、符号化効率を高め
ることができる。
【００１２】あるいは、上記音声符号化方式において
は、前記窓長および前記符号化モード情報に応じた所定
の複数の閾値を格納した閾値テーブルを記憶する閾値テ
ーブル記憶手段を有し、前記最大スケールファクタバン
ド算出手段は、前記最大スケールファクタバンド係数テ
ーブルを参照することにより設定されるいずれか１つの
最大スケールファクタバンドにおける、前記入力信号の
スペクトルのエネルギー値を算出し、その算出値と前記
窓長および前記符号化モード情報に応じて前記閾値テー
ブルを参照することにより設定された閾値とを比較し、
前記エネルギー値が前記設定された閾値より小さい場合
には前記最大スケールファクタバンドを下げていき、前
記エネルギー値が前記設定された閾値より大きな値をと
るスケールファクタバンドになる1つ前のスケールファ
クタバンドを現符号化フレームの最大スケールファクタ
バンドとするものであってもよい。この構成によって
も、マスキング閾および臨界帯域を常に好適に保って無
駄な符号化処理を省き、符号化効率を高めることができ
る。
【００１３】前記所定の閾値は、前記符号化モード情報
のうちビットレートを参照することにより決定されるの
がよい。さらに、前記所定の閾値は、前記符号化モード
情報のうち入力のサンプリング周波数をも参照すること
により決定されるものであってもよく、前記符号化フレ
ームの窓長をも参照することにより決定されるものであ
ってもよい。また、前記所定の閾値は、前記符号化モー
ド情報のうちチャンネル数をも参照することにより決定
されるものであってもよい。このような構成により、符
号化モードに応じてきめ細かに閾値を設定することがで
き、演算量の削減効果をより高めることができる。
【００１４】また、上記音声符号化方式においては、前
記窓長分析手段により前記入力信号が過渡的であること
が分析され、ビットレートが所定値より高く、前記スケ
ールファクタバンドのそれぞれに割付け可能なビット数
が所定値を超えて十分にある状態において、前記最大ス
ケールファクタバンド算出手段が算出した最大スケール
ファクタバンドが所定の最小スケールファクタバンドよ
り低い場合には、最大スケールファクタバンドの設定値
を算出した値より所定の増分だけ上げるようにするのが
好ましい。このような構成により、削減した周波数帯域
の符号量（ビット割付量）を、音質に影響する周波数帯
域の符号化に有効活用して、音質を向上させることがで
きる。
【００１５】一方、本発明の音声符号化方法は、サンプ
リングした入力信号のデータを複数の周波数帯域のスケ
ールファクタバンドに分割して、所定の聴覚心理モデル
に基づき、符号化する周波数帯域を制限しながら、その
周波数帯域内のスケールファクタバンドごとに符号化を
行う音声符号化方法であって、前記入力信号が定常的な
信号であるか過渡的な信号であるかにより前記入力信号
の符号化フレームを特定する窓長を分析する窓長分析ス
テップと、前記窓長および符号化モードの指定情報に基
づいて前記スケールファクタバンドの周波数帯域順に複
数のスケールファクタバンドを設定するとともに、所定
の閾値の情報に基づいて、前記スケールファクタバンド
のうち前記符号化する周波数帯域を特定する最大スケー
ルファクタバンドを初期設定する初期設定ステップと、
前記入力信号の周波数分布を分析した結果および前記聴
覚心理モデルに基づいて、前記最大スケールファクタバ
ンドを算出する最大スケールファクタバンド算出ステッ
プと、前記最大スケールファクタバンドにより制限され
た周波数帯域幅内で、前記スケールファクタバンドごと
のスペクトル処理を実行するスペクトル処理ステップ
と、前記スペクトル処理後のデータを量子化および符号
化処理する符号化処理ステップとを含むことを特徴とす
る。この構成により、入力信号に応じて最大スケールフ
ァクタバンドを適応的に算出することで、符号化する周
波数帯域を常に必要な帯域に割当てて、符号化のために
無駄な演算量を削減し、符号量を有効に活用することが
できる。
【００１６】上記音声符号化方法においては、前記最大
スケールファクタバンド算出ステップに先立って前記入
力信号の周波数分布を分析するとともに、前記スケール
ファクタバンドごとに前記聴覚心理モデルに基づく信号
対マスク比を算出し、その信号対マスク比と前記所定の
閾値とに基づいて前記最大スケールファクタバンドを決
定することが好ましい。この構成により、マスキング閾
および臨界帯域を常に好適に保って無駄な符号化処理を
省き、符号化効率を高めることができる。
【００１７】また、前記最大スケールファクタバンド算
出ステップに先立って前記入力信号の周波数分布を分析
するとともに、前記スケールファクタバンドごとにスペ
クトルのエネルギー値を算出し、そのエネルギー値と前
記閾値とに基づいて前記最大スケールファクタバンドを
決定するのが好ましい。この構成により、マスキング閾
および臨界帯域を常に好適に保って無駄な符号化処理を
省き、符号化効率を高めることができる。
【００１８】本発明の音声符号化装置は、上記音声符号
化方法を用いて音声符号化を行うものであり、かかる構
成により、入力信号に応じて最大スケールファクタバン
ドを適応的に算出することで、符号化する周波数帯域を
常に好適にして無駄な演算量を削減し、符号量を有効に
活用することができる音声符号化装置となる。
【００１９】本発明の記録媒体は、上記音声符号化方法
の各ステップを実現するためのプログラムが記録されて
いるコンピュータ読取可能なものである。この構成によ
り、記録媒体の読取が可能なハードウェア資源を用いて
上記音声符号化方法の各ステップの処理を実行すること
ができ、当該方法の効果を得ることができる。
【００２０】本発明の音楽配信システムは、上記音声符
号化方式または音声符号化装置を構成要素とするもので
あり、かかる構成によって、上記音声符号化方式または
音声符号化装置による音声符号化を実行し、高符号化効
率で音質の優れた音楽の配信を行うことができる音楽配
信システムとなる。
【００２１】
【発明の実施の形態】以下、本発明の好ましい実施の形
態について、図面に基づき説明する。 （実施の形態１）本発明の実施の形態１にかかる音声符
号化方式および装置について、図１〜図８を参照しなが
ら説明する。
【００２２】本実施形態の音声符号化装置においては、
図１に概略のブロック構成を示すように、デジタルオー
ディオ信号である入力信号はＦＦＴ分析手段１００に入
力され、ここで高速フーリエ変換（ＦＦＴ：Fast Fouri
er Transform）され、入力信号の周波数分布が分析され
る。入力信号はまた窓長分析手段１１０にも入力され、
ここでその入力信号が定常的な信号である場合にはロン
グフレームの入力信号ブロックと、その入力信号が過渡
的な信号である場合にはショートフレームの入力信号ブ
ロックと分析される。これにより、現在の入力信号に適
した符号化フレームの長さが判定されることになる。
【００２３】また、入力信号のサンプリング周波数やビ
ットレート等のような符号化に必要な情報は、符号化モ
ードを指定する情報として符号化モード情報指定手段１
２０により指定入力される。この指定入力は、予めユー
ザーが符号化モード情報指定手段１２０に操作入力する
ことで行われる。
【００２４】ＦＦＴ分析手段１００の出力は聴覚心理分
析手段１３０に与えられ、この聴覚心理分析手段１３０
により公知の人間の聴覚心理モデルに基づく、信号対マ
スク比（ＳＭＲ）の値を算出する処理がなされる。この
ＳＭＲ値は、各周波数帯域のスケールファクタバンドご
とに割り当てられるもので、各周波数領域のスケールフ
ァクタバンドの信号レベルとマスキングレベルの比の対
数値として与えられるものである。
【００２５】一方、窓長分析手段１１０で分析された窓
長と、符号化モード情報指定手段１２０に指定入力され
た情報、例えばサンプリング周波数は、最大スケールフ
ァクタバンド（ｍａｘＳｆｂ）初期値設定手段１４０に
入力され、ここで最大スケールファクタバンド（ｍａｘ
Ｓｆｂ）の初期値が算出される。この最大スケールファ
クタバンド初期値設定手段１４０による算出処理は、最
大スケールファクタバンド値（ｍａｘＳｆｂ）算出に必
要な初期値および信号対マスク比（ＳＭＲ）閾値を記録
している最大スケールファクタバンド（ｍａｘＳｆｂ）
係数テーブル記憶手段１８０を参照しながら、後述する
手順で実行される。なお、図２に示すように、最大スケ
ールファクタバンド係数テーブル記憶手段１８０には、
後述する最大スケールファクタバンド初期値テーブル４
１０および信号対マスク比（ＳＭＲ）閾値テーブル４２
０が記憶されている。
【００２６】最大スケールファクタバンド初期値設定手
段１４０からの初期値情報と聴覚心理分析手段１３０に
より算出されたＳＭＲ値とは、それぞれ最大スケールフ
ァクタバンド適応算出手段１５０に入力され、ここで最
大スケールファクタバンド（ｍａｘＳｆｂ）が入力信号
の特性に応じて適応的に算出される。
【００２７】そして、最大スケールファクタバンド適応
算出手段１５０で算出された最大スケールファクタバン
ド（ｍａｘＳｆｂ）と聴覚心理分析手段１３０により算
出されたＳＭＲ値に基づいて、スペクトル処理手段１６
０でＭＤＣＴ処理やＴＮＳ処理等のスペクトル処理が行
われ、その処理後のデータが量子化／符号化手段１７０
によって量子化され、符号化データとして出力される。
【００２８】なお、上記のような音声符号化装置の構成
は、例えばサウンドカードを内蔵したパーソナルコンピ
ュータのＲＯＭや記録媒体（例えばハードディスクドラ
イブ）に、上記各手段の機能を実現するためのプログラ
ムを格納し、そのパーソナルコンピュータのＣＰＵがＲ
ＡＭ等との間で適宜データを授受しながら、後述する一
連の符号化処理を実行するようにすることができる。も
ちろん、音楽配信用の専用の音声符号化装置にすること
で、より複雑な符号化モード設定や高音質の符号化処理
を行うこともできる。
【００２９】次に、本実施形態における音声符号化装置
の動作とその音声符号化方法について説明するととも
に、データテーブル等の詳細構成について説明する。
【００３０】まず、入力デジタルオーディオ信号が窓長
分析手段１１０に入力されると、この窓長分析手段１１
０により、入力信号が定常な信号の場合にはロングフレ
ームの入力信号ブロックと、過渡的な信号の場合にはシ
ョートフレームの入力信号ブロックと分析される。 ま
た、入力デジタルオーディオ信号は、ＦＦＴ分析手段１
００において、高速フーリエ変換され、この結果を用い
て、聴覚心理分析手段１３０により人間の聴覚心理モデ
ルに基づく、信号対マスク比（ＳＭＲ）の値が算出され
る。この信号対マスク比（ＳＭＲ）により、各スケール
ファクタバンドについて、マスキング効果によるマスキ
ング閾値のレベルを超える範囲で、かつそのスケールフ
ァクタバンドのピークレベルまでの範囲が各スケールフ
ァクタバンドのスケールファクタとして特定される。
また、最大スケールファクタバンド初期値設定手段１４
０により、窓長分析手段１１０の分析結果および符号化
モード情報指定手段１２０より得られた符号化ビットレ
ートや入力信号のサンプリング周波数等の情報に応じ
て、最大スケールファクタバンド係数テーブル記憶手段
１８０が参照され、最大スケールファクタバンド（ｍａ
ｘＳｆｂ）初期値が設定される。
【００３１】このように、最大スケールファクタバンド
初期値設定手段１４０は、外部から指定された符号化モ
ード情報指定手段１２０よりの情報に応じて、最大スケ
ールファクタバンド係数テーブル記憶手段１８０を参照
して、最大スケールファクタバンド（ｍａｘＳｆｂ）初
期値および信号対マスク比（ＳＭＲ）閾値を算出する
が、本実施形態では、例えば、最大スケールファクタバ
ンド（ｍａｘＳｆｂ）初期値を４２、信号対マスク比
（ＳＭＲ）閾値を１．０とする。
【００３２】次いで、最大スケールファクタバンド適応
算出手段１５０により、上記最大スケールファクタバン
ド（ｍａｘＳｆｂ）の初期値および上述の信号対マスク
比（ＳＭＲ）の値を用いて、最大スケールファクタバン
ド（ｍａｘＳｆｂ）値が設定されると、この最大スケー
ルファクタバンド（ｍａｘＳｆｂ）値および信号対マス
ク比（ＳＭＲ）等の情報を用いて、スペクトル処理手段
１６０によりＭＤＣＴ処理やＴＮＳ処理等のスペクトル
処理が行われ、次いで、量子化／符号化手段１７０によ
って量子化／符号化処理が実行される。 本実施形態で
は、スケールファクタバンドごとにＳＭＲ値を算出して
符号化を行う時間周波数変換符号化方式を用いるが、本
発明は、聴覚心理モデルを利用した各スケールファクタ
バンド信号に対するビット割当ての処理（スケールファ
クタバンド信号ごとのスケールファクタに人間の聴覚特
性に基づいた重み付けを行う処理）に注目したものでは
なく、周波数帯域順（図３中では、最も低周波数側のＳ
ｆｂ「０」から最も高周波数側のＳｆｂ「４２」までの
順）に設定されたスケールファクタバンドのうち、最大
スケールファクタバンドの適応的な変化によって、符号
化する周波数帯域を最適に保ち、無駄な符号化演算を削
減する。
【００３３】そのための最大スケールファクタバンド
（ｍａｘＳｆｂ）適応算出手段１５０における算出処理
内容について、図３を参照して説明する。この図３は、
複数のスケールファクタバンドについて、聴覚心理分析
手段１３０により人間の聴覚心理モデルに基づいて算出
された信号対マスク比（ＳＭＲ）値と、その信号対マス
ク比（ＳＭＲ）についての閾値（所定の閾値）とを示し
たグラフである。
【００３４】最大スケールファクタバンド適応算出手段
１５０は、最大スケールファクタバンド（ｍａｘＳｆ
ｂ）初期値における信号対マスク比（ＳＭＲ）値と信号
対マスク比（ＳＭＲ）の閾値とを比較し、信号対マスク
比（ＳＭＲ）値が信号対マスク比（ＳＭＲ）の閾値より
も小さい場合には、最大スケールファクタバンド（ｍａ
ｘＳｆｂ）値を１下げる。次いで、１下げた最大スケー
ルファクタバンド（ｍａｘＳｆｂ）における信号対マス
ク比（ＳＭＲ）値と信号対マスク比（ＳＭＲ）閾値とを
比較し、信号対マスク比（ＳＭＲ）値が信号対マスク比
（ＳＭＲ）閾値よりも小さいときには、最大スケールフ
ァクタバンド（ｍａｘＳｆｂ）値を１下げる。
【００３５】以上の動作を繰り返し行い、信号対マスク
比（ＳＭＲ）値が信号対マスク比（ＳＭＲ）の閾値より
も大きくなった時のスケールファクタバンドに１を足
し、その値を現フレームの最大スケールファクタバンド
（ｍａｘＳｆｂ）値とする。
【００３６】図３においては、信号対マスク比（ＳＭ
Ｒ）値が信号対マスク比（ＳＭＲ）の閾値よりも大きく
なった時のスケールファクタバンドが３８であるため、
最大スケールファクタバンド（ｍａｘＳｆｂ）は３９と
なる。
【００３７】次に、上記最大スケールファクタバンド初
期値テーブル４１０の構成について説明する。図４およ
び図５は最大スケールファクタバンド初期値テーブル４
１０に格納されている情報の例を示す。この最大スケー
ルファクタバンド初期値テーブル４１０は、最大スケー
ルファクタバンド（ｍａｘＳｆｂ）初期値を記憶したも
のであって、上記符号化モード情報より入力される「ビ
ットレート」、「サンプリング周波数」、「チャンネル
数」、「窓長」を考慮して設定されている。図４（ａ）
は「窓長」がロングフレーム、「チャンネル数」が２
（ステレオ）の場合のテーブルであり、図４（ｂ）は
「窓長」がショートフレーム、「チャンネル数」が２
（ステレオ）の場合のテーブルであり、図５（ａ）は
「窓長」がロングフレーム、「チャンネル数」が１（モ
ノラル）の場合のテーブルであり、図５（ｂ）は「窓
長」がショートフレーム、「チャンネル数」が１（モノ
ラル）の場合のテーブルである。
【００３８】最大スケールファクタバンド初期値テーブ
ル４１０は、人間の耳に対して比較的感度の低い高帯域
においては、符号化をし難くするように設定する。例え
ば、「ビットレート」が低くなり、使用可能なビットが
少なくなる場合には、最大スケールファクタバンド（ｍ
ａｘＳｆｂ）初期値を下げて、高帯域の符号化をし難く
し、人間の耳に比較的感度の高い低周波数にビットを優
先的に使用する。また「サンプリング周波数」が低くな
った場合は、フレーム長が長くなり、使用可能ビットが
多くなるため、高帯域の符合化をしやすいように最大ス
ケールファクタバンド（ｍａｘＳｆｂ）初期値を上げ、
音質を向上させる。また、「チャンネル数」が少ない場
合には、1フレームにおける使用ビット数が少なくなる
ため、最大スケールファクタバンド（ｍａｘＳｆｂ）初
期値をあげ、音質を向上させる。また、「窓長」がショ
ートフレームの場合は、入力音源が過渡的な音源である
ため、高帯域のエネルギーが多くなるため、最大スケー
ルファクタバンド（ｍａｘＳｆｂ）初期値をあげること
により音質を向上させる。
【００３９】次に、上記信号対マスク比閾値テーブル
（以下、ＳＭＲ閾値テーブルという）４２０の構成につ
いて説明する。図６および図７はＳＭＲ閾値テーブル４
２０に格納されている情報の例を示している。このＳＭ
Ｒ閾値テーブル４２０は、最大スケールファクタバンド
（ｍａｘＳｆｂ）の算出に必要な信号対マスク比（ＳＭ
Ｒ）の閾値を記憶したものであって、上記符号化モード
情報のうち「ビットレート」、「サンプリング周波
数」、「チャンネル数」、「窓長」を考慮してそれぞれ
の閾値が設定されている。ここで、図６（ａ）は「窓
長」がロングフレーム、「チャンネル数」が２（ステレ
オ）の場合のテーブルであり、図６（ｂ）は「窓長」が
ショートフレーム、「チャンネル数」が２（ステレオ）
の場合のテーブルであり、図７（ａ）は「窓長」がロン
グフレーム、「チャンネル数」が１（モノラル）の場合
のテーブルであり、図７（ｂ）は「窓長」がショートフ
レーム、「チャンネル数」が１（モノラル）の場合のテ
ーブルである。
【００４０】ＳＭＲ閾値テーブル４２０は、最大スケー
ルファクタバンド初期値テーブル４１０と同様に、人間
の耳に対して比較的感度の低い高帯域においては、使用
可能ビットが少ない場合に符号化をし難くするように設
定されている。
【００４１】具体的には、例えば、「ビットレート」が
低くなり、使用可能なビットが少なくなる場合には、信
号対マスク比（ＳＭＲ）閾値を上げ、高帯域の符号化を
し難くし、人間の耳に比較的感度の高い低周波数にビッ
トを優先的に使用する。また「サンプリング周波数」が
低くなった場合は、フレーム長が長くなり、使用可能ビ
ットが多くなるため、高帯域の符合化をしやすいように
信号対マスク比（ＳＭＲ）閾値を下げて、音質を向上さ
せる。また「チャンネル数」が少ない場合には、1フレ
ームにおける使用ビット数が少なくなるため、信号対マ
スク比（ＳＭＲ）閾値を下げて、音質を向上させる。ま
た、「窓長」がショートフレームの場合は、入力音源が
過渡的な音源であって高帯域のエネルギーが多くなるた
め、信号対マスク比（ＳＭＲ）閾値を下げることにより
音質を向上させる。
【００４２】次に図８のフローチャートを参照して、本
発明の音声符号化方法の一実施形態を上記装置のソフト
ウェアで実現する場合の処理の流れを説明する。同図に
おいて、まず、入力デジタルオーディオ信号は、ステッ
プＳ１１０において窓長分析手段１１０により、入力信
号が定常な信号の場合にはロングフレームと分析され、
過渡的な信号の場合にはショートフレームと分析され
る。
【００４３】一方、入力デジタルオーディオ信号は、ス
テップＳ１００においてＦＦＴ分析手段１００によっ
て、高速フーリエ変換（ＦＦＴ）され、この結果を用い
て、聴覚心理分析手段１３０により人間の聴覚心理モデ
ルに基づく、信号対マスク比（ＳＭＲ）値が算出される
（ステップＳ１３０）。
【００４４】次いで、ステップＳ１４０において、最大
スケールファクタバンド初期値設定手段１４０は、ステ
ップＳ１１０における窓長分析手段１１０の分析結果お
よび外部からの制御情報である符号化モード情報指定手
段１２０より得られた（ステップＳ１２０）符号化ビッ
トレートや入力信号のサンプリング周波数等の情報よ
り、最大スケールファクタバンド係数テーブル記憶手段
１８０を参照し、最大スケールファクタバンド（ｍａｘ
Ｓｆｂ）の初期値および信号対マスク比（ＳＭＲ）の閾
値を設定する。
【００４５】次にステップＳ１５０において、最大スケ
ールファクタバンド（ｍａｘＳｆｂ）適応算出手段１５
０は、最大スケールファクタバンド（ｍａｘＳｆｂ）初
期値における信号対マスク比（ＳＭＲ）値と信号対マス
ク比（ＳＭＲ）閾値とを比較し（ステップＳ１５１）、
最大スケールファクタバンド（ｍａｘＳｆｂ）初期値に
おける信号対マスク比（ＳＭＲ）値が、信号対マスク比
（ＳＭＲ）閾値より小さい場合には、最大スケールファ
クタバンド（ｍａｘＳｆｂ）を１下げ（ステップＳ１５
２）、ステップＳ１５１に戻る。
【００４６】次ステップＳ１５１において、最大スケー
ルファクタバンド（ｍａｘＳｆｂ）における信号対マス
ク比（ＳＭＲ）値が、信号対マスク比（ＳＭＲ）閾値よ
り大きくなると、最大スケールファクタバンド（ｍａｘ
Ｓｆｂ）を１上げる（ステップＳ１５３）。次にステッ
プＳ１６０において、スペクトル処理手段１６０は、Ｍ
ＤＣＴ処理やＴＮＳ処理等のスペクトル処理を行い、ス
テップＳ１７０において量子化／符号化手段１７０によ
って量子化／符号化が行われる。
【００４７】上記のように、本実施形態においは、入力
信号に応じて最大スケールファクタバンドを適応的に算
出することで、符号化する周波数帯域を常に好適にする
ことができる。したがって、人間の耳に聞こえ難く符号
化に無駄となるスケールファクタバンドにおける演算量
を削減することができ、符号量を有効に活用できる音声
符号化方式を実現することができる。また、最大スケー
ルファクタバンドは、符号化モード情報指定手段１２０
から得られるビットレートおよびサンプリング周波数に
応じて、最大スケールファクタバンド係数テーブル記憶
手段１８０を参照することにより設定されるので、符号
化モードに適した最大スケールファクタバンドの設定が
可能となる。さらに、最大スケールファクタバンドの算
出に符号化モード情報より得られるチャンネル数をも考
慮するので、その符号化モードにより適した最大スケー
ルファクタバンドの設定ができる。
【００４８】また、本実施形態においては、最大スケー
ルファクタバンド適応算出手段１５０が、最大スケール
ファクタバンド係数テーブル記憶手段１８０を参照する
ことで設定されるいずれか１つの最大スケールファクタ
バンドにおいて、前記聴覚心理分析手段１３０で算出さ
れた信号対マスク比（ＳＭＲ）と、窓長および符号化モ
ード情報に応じてＳＭＲ閾値テーブル４２０を参照する
ことにより設定された閾値とを比較し、算出された信号
対マスク比（ＳＭＲ）が設定されたＳＭＲ閾値より小さ
い場合には最大スケールファクタバンド（Ｓｆｂ）を１
ずつ下げていき、算出された信号対マスク比（ＳＭＲ）
が設定されたＳＭＲ閾値より大きな値をとるスケールフ
ァクタバンド（Ｓｆｂ）になる1つ前のスケールファク
タバンドを現在の符号化フレームの最大スケールファク
タバンドとする。したがって、マスキング閾を常に好適
に保つよう臨界帯域を適応的に制御し、無駄な符号化処
理を省き、符号化効率を高めることができる。
【００４９】（実施の形態２） 次に、本発明の実施の
形態２にかかる音声符号化方式および装置について、図
９〜図１２を参照しながら説明する。
【００５０】図９は実施の形態２にかかる音声符号化装
置のブロック図である。
【００５１】同図において、デジタルオーディオ信号で
ある入力信号は、この入力信号を高速フーリエ変換（Ｆ
ＦＴ：Fast Fourier Transform）するＦＦＴ分析手段８
００に入力され、スペクトル情報が得られる。このＦＦ
Ｔ分析手段８００の出力は聴覚心理分析手段８３０に入
力され、そこで人間の聴覚心理モデルに基づき、信号対
マスク比（ＳＭＲ）値を算出する聴覚心理分析処理が実
行される。
【００５２】入力信号は、また、窓長分析手段８１０に
も入力され、入力信号が定常な信号の場合にはロングフ
レームの信号ブロックと、過渡的な信号の場合にはショ
ートフレームの信号ブロックと分析される、さらに、入
力信号のサンプリング周波数やビットレート等の符号化
に必要な情報が符号化モード情報指定手段８２０で指定
入力され、そこで設定された符号化モード情報が窓長分
析手段８１０の出力と共に、最大スケールファクタバン
ド（ｍａｘＳｆｂ）初期値設定手段８４０に入力され
る。この最大スケールファクタバンド（ｍａｘＳｆｂ）
初期値設定手段８４０は、入力情報を基に最大スケール
ファクタバンド（ｍａｘＳｆｂ）係数テーブル記憶手段
８８０を参照し、最大スケールファクタバンド（ｍａｘ
Ｓｆｂ）初期値を設定する算出処理を行う。
【００５３】また、ＦＦＴ分析手段８００からのスペク
トル情報と、最大スケールファクタバンド（ｍａｘＳｆ
ｂ）初期値設定手段８４０からの初期値設定情報とに基
づいて、最大スケールファクタバンド（ｍａｘＳｆｂ）
適応算出手段８５０が最大スケールファクタバンド（ｍ
ａｘＳｆｂ）を入力信号の特性に応じて適応的に算出す
る。そして、算出された最大スケールファクタバンド
（ｍａｘＳｆｂ）と聴覚心理分析手段８３０で算出され
た信号対マスク比（ＳＭＲ）値に基づいて、スペクトル
処理手段８６０によりＭＤＣＴ処理やＴＮＳ処理等のス
ペクトル処理が実行され、処理量子化／符号化手段８７
０により量子化／符号化される。ここで、最大スケール
ファクタバンド（ｍａｘＳｆｂ）係数テーブル記憶手段
８８０には、最大スケールファクタバンド値（ｍａｘＳ
ｆｂ）算出に必要な初期値およびエネルギー閾値が記録
されている。
【００５４】次に本実施の形態における音声符号化装置
の動作について説明する。まず、入力デジタルオーディ
オ信号が、窓長分析手段８１０により入力信号が定常な
信号の場合にはロングフレーム、過渡的な信号の場合に
はショートフレームと分析される。一方、入力デジタル
オーディオ信号が、ＦＦＴ分析手段８００において、高
速フーリエ変換（ＦＦＴ：Fast Fourier Transform）さ
れ、この結果を用いて、聴覚心理分析手段８３０により
人間の聴覚心理モデルに基づく、信号対マスク比（ＳＭ
Ｒ）値が算出される。
【００５５】次に、最大スケールファクタバンド（ｍａ
ｘＳｆｂ）初期値設定手段８４０により、窓長分析手段
８１０の分析結果および符号化モード情報指定手段８２
０からの符号化ビットレートや入力信号のサンプリング
周波数等の符号化モード情報（外部からの制御情報）に
応じて、最大スケールファクタバンド（ｍａｘＳｆｂ）
係数テーブル記憶手段８８０の対応するデータが参照さ
れ、最大スケールファクタバンド（ｍａｘＳｆｂ）の初
期値が設定される。
【００５６】さらに、最大スケールファクタバンド（ｍ
ａｘＳｆｂ）適応算出手段８５０により、前記最大スケ
ールファクタバンド（ｍａｘＳｆｂ）初期値およびＦＦ
Ｔ分析手段８００において算出されたスペクトル情報か
ら、最大スケールファクタバンド（ｍａｘＳｆｂ）値を
設定する算出処理がなされる。
【００５７】次いで、この最大スケールファクタバンド
（ｍａｘＳｆｂ）値および信号対マスク比（ＳＭＲ）等
の情報を用いて、スペクトル処理手段８６０によりＭＤ
ＣＴ処理やＴＮＳ処理等のスペクトル処理が行われ、そ
の出力に基づいて処理量子化／符号化手段８７０で量子
化／符号化の処理がなされる。
【００５８】上記最大スケールファクタバンド（ｍａｘ
Ｓｆｂ）の初期値設定では、外部からの制御情報である
符号化モード情報指定手段８２０からの指定情報に応じ
て、最大スケールファクタバンド（ｍａｘＳｆｂ）係数
テーブル記憶手段８８０を参照することにより、最大ス
ケールファクタバンド（ｍａｘＳｆｂ）初期値およびエ
ネルギー閾値が算出されるが、本実施の形態では、各ス
ケールファクタバンド内のエネルギー値を算出し、これ
を予め設定したエネルギー閾値と比較するようになって
いる。
【００５９】具体的には、図１０に示すように、最大ス
ケールファクタバンド（ｍａｘＳｆｂ）の初期値を４２
とし、エネルギー閾値を１００、０００としている。
次に、最大スケールファクタバンド（ｍａｘＳｆｂ）適
応算出手段８５０の算出処理について説明する。まず、
上記ＦＦＴ分析手段８００より算出されたスペクトルsp
ectral[ｉ]から、下記の数式１に示すように、各サブバ
ンドのエネルギー値energy[sfb]を算出する。
【数１】
【００６０】次に、図１０を参照して、最大スケールフ
ァクタバンド（ｍａｘＳｆｂ）適応算出手段８５０の動
作について説明する。
【００６１】図１０は、各スケールファクタバンドのエ
ネルギー値および上述のエネルギー閾値を示したもので
ある。最大スケールファクタバンド（ｍａｘＳｆｂ）適
応算出手段１５０は、最大スケールファクタバンド（ｍ
ａｘＳｆｂ）初期値におけるエネルギー値とエネルギー
閾値とを比較し、スケールファクタバンドのエネルギー
値がエネルギー閾値よりも小さいときには、最大スケー
ルファクタバンド（ｍａｘＳｆｂ）値を１下げる。次
に、１下げた最大スケールファクタバンド（ｍａｘＳｆ
ｂ）におけるエネルギー値とエネルギー閾値とを比較
し、スケールファクタバンドのエネルギー値がエネルギ
ー閾値よりも小さいときには、最大スケールファクタバ
ンド（ｍａｘＳｆｂ）値を１下げる。
【００６２】以上の動作を繰り返し行い、スケールファ
クタバンドのエネルギー値がエネルギー閾値よりも大き
くなった時のスケールファクタバンドに１足した値を現
フレームの最大スケールファクタバンド（ｍａｘＳｆ
ｂ）値とする。
【００６３】図１０においては、スケールファクタバン
ドのエネルギー値がエネルギー閾値よりも大きくなった
時のスケールファクタバンドが３８であるため、最大ス
ケールファクタバンド（ｍａｘＳｆｂ）は３９となる。
【００６４】最大スケールファクタバンド（ｍａｘＳｆ
ｂ）係数テーブル記憶手段８８０は、図２に示したもの
と同様に最大スケールファクタバンド初期値テーブル４
１０および信号対マスク比（ＳＭＲ）値テーブル４２０
で構成される。ただし、この場合の最大スケールファク
タバンド初期値テーブル４１０の構成が図４および図５
に示したものと同様であるのに対して、本実施形態にお
ける閾値テーブルは、図１１および図１２に示すよう
に、最大スケールファクタバンド（ｍａｘＳｆｂ）適応
算出手段８５０に必要なスケールファクタバンドごとの
エネルギー閾値を記憶したものであって、上記符号化モ
ード情報より入力される「ビットレート」、「サンプリ
ング周波数」、「チャンネル数」、「窓長」を考慮して
設定されている。この場合、図１１（ａ）は「窓長」が
ロングフレーム、「チャンネル数」が２（ステレオ）の
場合のテーブルであり、図１１（ｂ）は「窓長」がショ
ートフレーム、「チャンネル数」が２（ステレオ）の場
合のテーブルであり、図１２（ａ）は「窓長」がロング
フレーム、「チャンネル数」が１（モノラル）の場合の
テーブルであり、図１２（ｂ）は「窓長」がショートフ
レーム、「チャンネル数」が１（モノラル）の場合のテ
ーブルである。
【００６５】この図１１および図１２に示す閾値テーブ
ル４２０Ｅは、最大スケールファクタバンド初期値テー
ブル４１０と同様に、人間の耳に対して比較的感度の低
い高帯域においては、使用可能ビットが少ない場合に
は、符号化をし難くするように設定する。例えば、「ビ
ットレート」が低くなり、使用可能なビットが少なくな
る場合には、エネルギー閾値を上げ、高帯域の符号化を
し難くし、人間の耳に比較的感度の高い低周波数にビッ
トを優先的に使用する。また「サンプリング周波数」が
低くなった場合は、フレーム長が長くなり、使用可能ビ
ットが多くなるため、高帯域の符合化をしやすいように
エネルギー閾値を下げて、音質を向上させるようになっ
ている。また「チャンネル数」が少ない場合には、1フ
レームにおける使用ビット数が少なくなるため、エネル
ギー閾値を下げ、音質を向上させる。さらに、「窓長」
がショートフレームの場合は、入力音源が過渡的な音源
であって、高帯域のエネルギーが多くなるため、エネル
ギー閾値を下げることにより音質を向上させる。
【００６６】次に、図１６のフローチャートを参照し
て、本発明の音声符号化方法の他の実施形態を上記装置
のソフトウェアで実現する場合の処理の流れを説明す
る。
【００６７】同図に示すように、まず、入力デジタルオ
ーディオ信号は、ステップＳ８１０において窓長分析手
段８１０により、入力信号が定常な信号の場合にはロン
グフレーム、過渡的な信号の場合にはショートフレーム
と分析される。
【００６８】一方、入力デジタルオーディオ信号は、ス
テップＳ８００でＦＦＴ分析手段８００によって高速フ
ーリエ変換（ＦＦＴ：Fast Fourier Transform）され、
この結果を用いて、聴覚心理分析手段８３０により人間
の聴覚心理モデルに基づく、信号対マスク比（ＳＭＲ）
値が算出される（ステップＳ８３０）。
【００６９】次のステップＳ８４０においては、最大ス
ケールファクタバンド（ｍａｘＳｆｂ）初期値設定手段
８４０により、ステップＳ８１０における窓長分析手段
８１０の分析結果および符号化モード情報指定手段８２
０から得られた（ステップＳ８２０）符号化ビットレー
トや入力信号のサンプリング周波数等より、最大スケー
ルファクタバンド（ｍａｘＳｆｂ）係数テーブル記憶手
段８８０を参照し、最大スケールファクタバンド（ｍａ
ｘＳｆｂ）初期値およびエネルギー閾値を設定する。
【００７０】次いで、ステップＳ８５０において、最大
スケールファクタバンド（ｍａｘＳｆｂ）適応算出手段
８５０により、ＦＦＴ分析手段８００で算出されたスペ
クトル情報から各スケールファクタバンド内のエネルギ
ー値が算出される（ステップＳ８５１）。
【００７１】次いで、ステップＳ８５２において、最大
スケールファクタバンド（ｍａｘＳｆｂ）初期値におけ
るエネルギー値とエネルギー閾値とが比較され、スケー
ルファクタバンドのエネルギー値がエネルギー閾値より
も小さいときには、最大スケールファクタバンド（ｍａ
ｘＳｆｂ）値を１下げて（ステップＳ８５３）、ステッ
プＳ８５１に戻る処理がされる。ステップＳ８５１で、
最大スケールファクタバンド（ｍａｘＳｆｂ）における
エネルギー値が、エネルギー閾値より大きくなると、最
大スケールファクタバンド（ｍａｘＳｆｂ）を１上げる
処理（ステップＳ８５４）がされる。
【００７２】次いで、ステップＳ８６０に進み、スペク
トル処理手段８６０により、ＭＤＣＴ処理やＴＮＳ処理
等のスペクトル処理が実行された後、ステップＳ８７０
において、処理量子化／符号化手段８７０によって量子
化処理がされ、一連の符号化の処理が終了する。
【００７３】上記のように、本実施形態においても、実
施の形態１と同様に、入力信号に応じて最大スケールフ
ァクタバンドを適応的に算出することで、符号化する周
波数帯域を常に好適にすることができ、演算量の削減と
符号量の有効活用を図ることができ、上述と同様な効果
を得ることができる。
【００７４】また、本実施形態においては、最大スケー
ルファクタバンド適応算出手段８５０が、最大スケール
ファクタバンド係数テーブル記憶手段８８０を参照する
ことにより設定されるいずれか１つの最大スケールファ
クタバンドにおいて入力信号のスペクトルのエネルギー
値を算出した後、その算出値と前記窓長および前記符号
化モード情報に応じて記閾値テーブルを参照することに
より設定されたエネルギー閾値とを比較して、最適な最
大スケールファクタバンドに適応的に制御するので、マ
スキング閾および臨界帯域を常に好適に保って無駄な符
号化処理を省き、符号化効率を高めることができる。
【００７５】（実施の形態３） 次に、本発明の実施の
形態３における音声符号化方式および装置について、図
を参照しながら説明する。図１３は実施の形態１におけ
る音声符号化装置における最大スケールファクタバンド
適応算出手段のブロック図を示したものである。
【００７６】図１３に示す音声符号化装置は、入力デジ
タルオーディオ信号を高速フーリエ変換（ＦＦＴ：Fast
Fourier Transform）するＦＦＴ分析手段１１００と、
入力信号が定常な信号の場合にはロングフレーム、過渡
的な信号の場合にはショートフレームと分析する窓長分
析手段１１１０と、入力信号のサンプリング周波数やビ
ットレート等の符号化に必要な情報を設定するための符
号化モード情報指定手段１１２０と、人間の聴覚心理モ
デルに基づいて信号対マスク比（ＳＭＲ）値を算出する
聴覚心理分析手段１１３０と、最大スケールファクタバ
ンド（ｍａｘＳｆｂ）初期値を算出する最大スケールフ
ァクタバンド（ｍａｘＳｆｂ）初期値設定手段１１４０
と、最大スケールファクタバンド（ｍａｘＳｆｂ）を入
力信号の特性に応じて適応的に算出する最大スケールフ
ァクタバンド（ｍａｘＳｆｂ）適応算出手段１１５０
と、ＭＤＣＴ処理やＴＮＳ処理等のスペクトル処理を行
うスペクトル処理手段１１６０と、量子化および符号化
処理を行う処理量子化／符号化手段１１７０と、最大ス
ケールファクタバンド値（ｍａｘＳｆｂ）算出に必要な
初期値および閾値を記憶している最大スケールファクタ
バンド（ｍａｘＳｆｂ）係数テーブル記憶手段１１８０
とを備えている。
【００７７】図１５に示すように、最大スケールファク
タバンド（ｍａｘＳｆｂ）係数テーブル１１８０には、
最大スケールファクタバンド（ｍａｘＳｆｂ）初期値テ
ーブ１３１０および信号対マスク比（ＳＭＲ）閾値テー
ブル１３２０に加えて、最小スケールファクタバンド
（ｍｉｎＳｆｂ）テーブル１３３０が設けられている。
この最大スケールファクタバンド（ｍａｘＳｆｂ）初期
値テーブル１３１０の構成としては、例えば、図４およ
び図５に示したような構成が用いられる。また、上記信
号対マスク比（ＳＭＲ）閾値テーブル１３２０の構成と
しては、例えば、図６および図７に示したような構成が
用いられる。前記最小スケールファクタバンド（ｍｉｎ
Ｓｆｂ）テーブル１３３０は、符号化モード情報より入
力される「ビットレート」、「サンプリング周波数」、
「チャンネル数」、「窓長」を考慮して設定されてお
り、必ず符号化処理を行う最大スケールファクタバンド
の値が設定されている（例えば３ｋＨｚ以下は常に符号
化処理を行うように設定する）。
【００７８】次に、本実施の形態における音声符号化装
置の動作について説明すると、まず、入力デジタルオー
ディオ信号が、窓長分析手段１１１０により入力信号が
定常な信号の場合にはロングフレーム、過渡的な信号の
場合にはショートフレームと分析される。 一方、入力
デジタルオーディオ信号は、ＦＦＴ分析手段１１００に
おいて高速フーリエ変換（ＦＦＴ：Fast Fourier Trans
form）され、この結果を用いて、聴覚心理分析手段１１
３０により人間の聴覚心理モデルに基づく、信号対マス
ク比（ＳＭＲ）値が算出される。 次に、最大スケール
ファクタバンド（ｍａｘＳｆｂ）初期値設定手段１１４
０により、窓長分析手段１１１０の分析結果と、符号化
モード情報指定手段１１２０から得られた符号化ビット
レートや入力信号のサンプリング周波数等の符号化モー
ド情報とに応じて、最大スケールファクタバンド（ｍａ
ｘＳｆｂ）係数テーブル記憶手段１１８０が参照され、
最大スケールファクタバンド（ｍａｘＳｆｂ）初期値が
設定される。
【００７９】次いで、最大スケールファクタバンド（ｍ
ａｘＳｆｂ）適応算出手段１１５０により、上記最大ス
ケールファクタバンド（ｍａｘＳｆｂ）初期値および上
述の信号対マスク比（ＳＭＲ）値および上記符号化モー
ド情報指定手段１１２０より得られた窓長の情報を用い
て、最大スケールファクタバンド（ｍａｘＳｆｂ）値を
設定する算出処理がされる。
【００８０】そして、この最大スケールファクタバンド
（ｍａｘＳｆｂ）値および信号対マスク比（ＳＭＲ）等
の情報を用いて、スペクトル処理手段１１６０によっ
て、ＭＤＣＴ処理やＴＮＳ処理等のスペクトル処理が行
われた後、 処理量子化／符号化手段１１７０によって
量子化／符号化の処理が実行される。 本実施形態にお
いては、最大スケールファクタバンド（ｍａｘＳｆｂ）
初期値設定手段１１４０は、外部からの制御情報である
符号化モード情報指定手段１１２０のへの指定入力情報
に応じて、最大スケールファクタバンド（ｍａｘＳｆ
ｂ）係数テーブル１１８０を参照することより、最大ス
ケールファクタバンド（ｍａｘＳｆｂ）初期値および信
号対マスク比（ＳＭＲ）閾値を算出する。具体的には、
図１４に示すように、本実施の形態では、最大スケール
ファクタバンド（ｍａｘＳｆｂ）初期値を１３、信号対
マスク比（ＳＭＲ）閾値を１.０としている。
【００８１】次に、図１４を参照しながら、上記最大ス
ケールファクタバンド（ｍａｘＳｆｂ）適応算出手段１
１５０での算出処理について説明する。なお、同図は、
聴覚心理分析手段１１３０で人間の聴覚心理モデルに基
づき算出された信号対マスク比（ＳＭＲ）の値とその信
号対マスク比（ＳＭＲ）の閾値の関係を示している。
【００８２】まず、最大スケールファクタバンド（ｍａ
ｘＳｆｂ）適応算出手段１１５０は、最大スケールファ
クタバンド（ｍａｘＳｆｂ）初期値における信号対マス
ク比（ＳＭＲ）値と信号対マスク比（ＳＭＲ）閾値とを
比較し、信号対マスク比（ＳＭＲ）値が信号対マスク比
（ＳＭＲ）閾値よりも小さいときには、最大スケールフ
ァクタバンド（ｍａｘＳｆｂ）値を１下げる。次に、１
下げた最大スケールファクタバンド（ｍａｘＳｆｂ）に
おける信号対マスク比（ＳＭＲ）値と信号対マスク比
（ＳＭＲ）閾値とを比較し、信号対マスク比（ＳＭＲ）
値が信号対マスク比（ＳＭＲ）閾値よりも小さいときに
は、最大スケールファクタバンド（ｍａｘＳｆｂ）値を
１下げる。そして、以上の動作を繰り返し行い、信号対
マスク比（ＳＭＲ）値が信号対マスク比（ＳＭＲ）閾値
よりも大きくなった時のスケールファクタバンドに１足
した値を現フレームの最大スケールファクタバンド（ｍ
ａｘＳｆｂ）値とする。
【００８３】ここで、現フレームの最大スケールファク
タバンド（ｍａｘＳｆｂ）値が前記最小スケールファク
タバンド（ｍｉｎＳｆｂ）以下である場合には、最小ス
ケールファクタバンド（ｍｉｎＳｆｂ）に１足した値を
現フレームの最大スケールファクタバンド（ｍａｘＳｆ
ｂ）値とする。 本実施形態においては、上記最小スケ
ールファクタバンド（ｍｉｎＳｆｂ）を１１とすると、
図１４においては、信号対マスク比（ＳＭＲ）値が信号
対マスク比（ＳＭＲ）閾値よりも大きくなった時のスケ
ールファクタバンドが６であるため、最大スケールファ
クタバンド（ｍａｘＳｆｂ）は７となる。このとき、最
大スケールファクタバンド（ｍａｘＳｆｂ）は、最小ス
ケールファクタバンド（ｍｉｎＳｆｂ）よりも小さいた
め、最大スケールファクタバンドをこの最小スケールフ
ァクタバンドを基に例えば（ｍｉｎＳｆｂ＋１として）
１１とする。これにより、符号化する帯域が狭いときに
は、より広い帯域の符号化を行うことにより音質を向上
させることができる。
【００８４】次に図１７のフローチャートを参照して、
本発明の音声符号化方法を上記装置のソフトウェアで実
現する場合の処理の流れを説明する。まず、入力デジタ
ルオーディオ信号が、ステップＳ１１１０において窓長
分析手段１１１０により、入力信号が定常な信号の場合
にはロングフレーム、過渡的な信号の場合にはショート
フレームと分析される。
【００８５】一方、入力デジタルオーディオ信号は、ス
テップＳ１１００においてＦＦＴ分析手段１１００によ
って、高速フーリエ変換（ＦＦＴ：Fast Fourier Trans
form）される。そして、この結果を用いて、聴覚心理分
析手段１１３０により、人間の聴覚心理モデルに基づ
く、信号対マスク比（ＳＭＲ）値が算出される（ステッ
プＳ１１３０）。
【００８６】次のステップＳ１１４０においては、最大
スケールファクタバンド（ｍａｘＳｆｂ）初期値設定手
段１１４０により、ステップＳ１１１０における窓長分
析手段１１１０の分析結果および符号化モード情報指定
手段１１２０より得られた（ステップＳ１１２０）符号
化ビットレートや入力信号のサンプリング周波数等の符
号化モード情報に応じて、最大スケールファクタバンド
係数テーブル記憶手段１１８０が参照され、最大スケー
ルファクタバンド（ｍａｘＳｆｂ）初期値および信号対
マスク比（ＳＭＲ）の閾値がそれぞれ設定される。
【００８７】次いで、ステップＳ１１５０において、最
大スケールファクタバンド（ｍａｘＳｆｂ）適応算出手
段１１５０により、最大スケールファクタバンド（ｍａ
ｘＳｆｂ）初期値における信号対マスク比（ＳＭＲ）値
と信号対マスク比（ＳＭＲ）閾値とが比較され（ステッ
プＳ１１５１）、最大スケールファクタバンド（ｍａｘ
Ｓｆｂ）初期値における信号対マスク比（ＳＭＲ）値
が、信号対マスク比（ＳＭＲ）閾値より小さい場合に
は、最大スケールファクタバンド（ｍａｘＳｆｂ）を１
下げて（ステップＳ１１５２）ステップＳ１１５１に戻
る処理がされる。ステップＳ１１５１で、最大スケール
ファクタバンド（ｍａｘＳｆｂ）における信号対マスク
比（ＳＭＲ）値が信号対マスク比（ＳＭＲ）閾値より大
きくなると、最大スケールファクタバンド（ｍａｘＳｆ
ｂ）を１上げる処理（ステップＳ１１５３）がなされ
る。
【００８８】次に、ステップＳ１１５４において、最大
スケールファクタバンド（ｍａｘＳｆｂ）と最小スケー
ルファクタバンド（ｍｉｎＳｆｂ）が比較され（ステッ
プＳ１１５４）、最大スケールファクタバンド（ｍａｘ
Ｓｆｂ）が最小スケールファクタバンド（ｍｉｎＳｆ
ｂ）より小さい場合には、最大スケールファクタバンド
（ｍａｘＳｆｂ）を最小スケールファクタバンド（ｍｉ
ｎＳｆｂ）に１を足した値にする（ステップＳ１１５
５）処理がなされる。次いで、ステップＳ１１６０にお
いて、スペクトル処理手段１１６０により、ＭＤＣＴ処
理やＴＮＳ処理等のスペクトル処理がされた後、ステッ
プＳ１１７０で処理量子化／符号化手段１１７０によっ
て量子化／符号化が行われる。 上記のように、本実施
形態においても、実施の形態１、２と同様に、入力信号
に応じて最大スケールファクタバンドを適応的に算出す
ることで、符号化する周波数帯域を常に好適にすること
ができ、演算量の削減と符号量の有効活用を図ることが
でき、上述と同様な効果を得ることができる。
【００８９】また、本実施形態においては、窓長分析手
段１１１０により入力信号が過渡的であることが分析さ
れ、ビットレートが所定値より高く、スケールファクタ
バンドのそれぞれに割付け可能なビット数が所定値を超
えて十分にある状態においては、最大スケールファクタ
バンド適応算出手段１１５０が算出した最大スケールフ
ァクタバンドが所定の最小スケールファクタバンドより
低い場合には、最大スケールファクタバンドの設定値を
算出した値より所定の増分だけ上げるようにしているの
で、削減した周波数帯域の符号量（ビット割付量）を、
音質に影響する周波数帯域の符号化に有効活用すること
ができ、復号化時の音質を向上させることができる。
【００９０】以上に述べた各実施の形態においては、本
発明の音声符号化装置の各機能又は音声符号化方法の各
ステップを実現するためのソフトウェアプログラムを準
備して、これをハードディスクその他の記録媒体に記録
したコンピュータ等により実行することとしていたが、
本発明は、そのようなプログラムをコンピュータ読取可
能な他の記録媒体、例えば磁気ディスク（フロッピー
（登録商標）ディスク、ハードディスク等）、光ディス
ク（ＣＤ―ＲＯＭ、ＤＶＤ等）、半導体メモリなどに記
録したものであってもよく、これを読取って上記プログ
ラムを実行するハードウェア資源としては、パーソナル
コンピュータ程度から音楽配信用の専用音声符号化シス
テムまで各種のものが採用できることはいうまでもな
い。
【００９１】
【発明の効果】本発明の音声符号化方式によれば、人間
の耳には聞こえない高域における符号量を削減すること
ができ、その削減したビットをエネルギーの高い帯域に
割り振ることにより音質を向上させることができる。ま
た、高域の量子化／符号化における演算を削減すること
ができるため、演算量を少なくすることができる。さら
に、符号化する帯域が狭いときには、より広い帯域の符
号化を行うことで、音質を向上させることができる。
【図面の簡単な説明】
【図１】本発明の実施の形態１における音声符号化装置
のブロック図
【図２】本発明の実施の形態１における音声符号化装置
で使用する最大スケールファクタバンド（ｍａｘＳｆ
ｂ）係数テーブルの構成を示す図
【図３】本発明の実施の形態１における音声符号化装置
で使用する最大スケールファクタバンド（ｍａｘＳｆ
ｂ）適応算出手段の処理の一例を示した模式図
【図４】本発明の実施の形態１における音声符号化装置
で使用する最大スケールファクタバンド（ｍａｘＳｆ
ｂ）初期値テーブルの構成を示す図
【図５】図４に続く、上記実施の形態１における音声符
号化装置で使用する最大スケールファクタバンド（ｍａ
ｘＳｆｂ）初期値テーブルの構成を示す図
【図６】本発明の実施の形態１における音声符号化装置
で使用する信号対マスク比（ＳＭＲ）閾値テーブルの構
成を示す図
【図７】図６に続く、上記実施の形態１における音声符
号化装置で使用する信号対マスク比（ＳＭＲ）閾値テー
ブルの構成を示す図
【図８】本発明の実施の形態１における音声符号化方式
を示すフローチャート
【図９】本発明の実施の形態２における音声符号化装置
のブロック図
【図１０】本発明の実施の形態２における音声符号化装
置で使用する最大スケールファクタバンド（ｍａｘＳｆ
ｂ）適応算出手段の処理の一例を示した模式図
【図１１】本発明の実施の形態２における音声符号化装
置で使用する閾値テーブルの構成を示す図
【図１２】図１１に続く、上記実施の形態２における音
声符号化装置で使用する閾値テーブルの構成を示す図
【図１３】本発明の実施の形態３における音声符号化装
置のブロック図
【図１４】本発明の実施の形態３における音声符号化装
置で使用する最大スケールファクタバンド（ｍａｘＳｆ
ｂ）適応算出手段の処理の一例を示した模式図
【図１５】本発明の実施の形態３における音声符号化装
置で使用する最大スケールファクタバンド（ｍａｘＳｆ
ｂ）係数テーブルの構成を示す図
【図１６】本発明の実施の形態２における音声符号化方
式を示すフローチャート
【図１７】本発明の実施の形態３における音声符号化方
式を示すフローチャート
【図１８】従来例の最大スケールファクタバンド値（ｍ
ａｘＳｆｂ）を示すテーブル図
【図１９】従来例の音声符号装置のブロック図
【符号の説明】
１００、８００、１１００ ＦＦＴ分析手段 １１０、８１０、１１１０ 窓長分析手段 １２０、８２０、１１２０ 符号化モード情報指定手
段 １３０、８３０、１１３０ 聴覚心理分析手段 １４０、８４０、１１４０ 最大スケールファクタバ
ンド初期値設定手段 １５０、８５０、１１５０ 最大スケールファクタバ
ンド適応算出手段 １６０、８６０、１１６０ スペクトル処理手段 １７０、８７０、１１７０ 量子化／符号化手段 １８０、８８０、１１８０ 最大スケールファクタバ
ンド係数テーブル記憶手段（閾値テーブル記憶手段） ４１０、１３１０ 最大スケールファクタバンド初期
値テーブル ４２０、４２０Ｅ、１３２０ 信号対マスク比（ＳＭ
Ｒ）閾値テーブル １３３０ 最小スケールファクタバンド（ｍｉｎＳｆ
ｂ）テーブル
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） Ｇ１０Ｌ 9/18 Ｃ

Claims (16)

    【特許請求の範囲】
  1. 【請求項１】 入力信号を複数のスケールファクタバン
    ドに分割するとともに、所定の聴覚心理モデルに基づい
    て前記スケールファクタバンドごとに符号化を行う音声
    符号化方式であって、 前記入力信号が定常的な信号であるか過渡的な信号であ
    るかにより前記入力信号の符号化フレームを特定する窓
    長を分析する窓長分析手段と、 前記入力信号を高速フーリエ変換するＦＦＴ分析手段
    と、 符号化モードを決定するための符号化モード情報を指定
    する符号化モード情報指定手段と、 前記入力信号を高速フーリエ変換した結果および前記聴
    覚心理モデルに基づいて、前記入力信号に対する信号対
    マスク比を算出する聴覚心理分析手段と、 符号化する周波数帯域を特定する最大スケールファクタ
    バンドを算出する最大スケールファクタバンド算出手段
    と、 前記最大スケールファクタバンドを算出するための係数
    を格納した最大スケールファクタバンド係数テーブルを
    記憶する最大スケールファクタバンドテーブル記憶手段
    と、 前記窓長および前記符号化モード情報に基づいて、前記
    最大スケールファクタバンドを算出するために必要な初
    期値を算出する最大スケールファクタバンド初期値算出
    手段と、 前記ＦＦＴ分析手段からのデータおよび前記最大スケー
    ルファクタバンドの算出値に基づいて前記入力信号のス
    ペクトル処理を行うスペクトル処理手段と、 前記スペクトル処理がされたデータを前記スケールファ
    クタバンドごとに量子化および符号化する量子化／符号
    化手段とを備え、 前記入力信号に応じて適応的に前記最大スケールファク
    タバンドを算出するようにしたことを特徴とする音声符
    号化方式。
  2. 【請求項２】 前記最大スケールファクタバンドは、前
    記符号化モード情報から得られるビットレートおよびサ
    ンプリング周波数に応じ、前記最大スケールファクタバ
    ンド係数テーブルを参照することにより設定されること
    を特徴とする請求項１に記載の音声符号化方式。
  3. 【請求項３】 前記最大スケールファクタバンドは、前
    記符号化モード情報より得られるチャンネル数に応じ、
    前記最大スケールファクタバンド係数テーブルを参照す
    ることにより設定されることを特徴とする請求項２に記
    載の音声符号化方式。
  4. 【請求項４】 前記窓長および前記符号化モード情報に
    応じた所定の複数の閾値を格納した閾値テーブルを記憶
    する閾値テーブル記憶手段を有し、 前記最大スケールファクタバンド算出手段は、 前記最大スケールファクタバンド係数テーブルを参照す
    ることにより設定されるいずれか１つの最大スケールフ
    ァクタバンドにおける、前記聴覚心理分析手段で算出さ
    れた信号対マスク比と、前記窓長および前記符号化モー
    ド情報に応じて前記閾値テーブルを参照することにより
    設定された閾値とを比較し、 前記算出された信号対マスク比が前記設定された閾値よ
    り小さい場合には前記最大スケールファクタバンドを１
    ずつ下げていき、前記算出された信号対マスク比が前記
    設定された閾値より大きな値をとるスケールファクタバ
    ンドになる1つ前のスケールファクタバンドを現在の符
    号化フレームの最大スケールファクタバンドとすること
    を特徴とする請求項１に記載の音声符号化方式。
  5. 【請求項５】 前記窓長および前記符号化モード情報に
    応じた所定の複数の閾値を格納した閾値テーブルを記憶
    する閾値テーブル記憶手段を有し、 前記最大スケールファクタバンド算出手段は、 前記最大スケールファクタバンド係数テーブルを参照す
    ることにより設定されるいずれか１つの最大スケールフ
    ァクタバンドにおける、前記入力信号のスペクトルのエ
    ネルギー値を算出し、その算出値と前記窓長および前記
    符号化モード情報に応じて前記閾値テーブルを参照する
    ことにより設定された閾値とを比較し、前記エネルギー
    値が前記設定された閾値より小さい場合には前記最大ス
    ケールファクタバンドを下げていき、前記エネルギー値
    が前記設定された閾値より大きな値をとるスケールファ
    クタバンドになる1つ前のスケールファクタバンドを現
    符号化フレームの最大スケールファクタバンドとするこ
    とを特徴とする請求項１に記載の音声符号化方式。
  6. 【請求項６】 前記所定の閾値は、前記符号化モード情
    報のうちビットレートを参照することにより決定される
    ことを特徴とする請求項４または５に記載の音声符号化
    方式。
  7. 【請求項７】 前記所定の閾値は、前記符号化モード情
    報のうち入力のサンプリング周波数をも参照することに
    より決定されることを特徴とする請求項６に記載の音声
    符号化方式。
  8. 【請求項８】 前記所定の閾値は、前記符号化フレーム
    の窓長をも参照することにより決定されることを特徴と
    する請求項７に記載の音声符号化方式。
  9. 【請求項９】 前記所定の閾値は、前記符号化モード情
    報のうちチャンネル数をも参照することにより決定され
    ることを特徴とする請求項７または８に記載の音声符号
    化方式。
  10. 【請求項１０】 前記窓長分析手段により前記入力信号
    が過渡的であることが分析され、ビットレートが所定値
    より高く、前記スケールファクタバンドのそれぞれに割
    付け可能なビット数が所定値を超えて十分にある状態に
    おいて、前記最大スケールファクタバンド算出手段が算
    出した最大スケールファクタバンドが所定の最小スケー
    ルファクタバンドより低い場合には、最大スケールファ
    クタバンドの設定値を算出した値より所定の増分だけ上
    げることを特徴とする請求項１に記載の音声符号化方
    式。
  11. 【請求項１１】 サンプリングした入力信号のデータを
    複数の周波数帯域のスケールファクタバンドに分割し
    て、所定の聴覚心理モデルに基づき、符号化する周波数
    帯域を制限しながら、その周波数帯域内のスケールファ
    クタバンドごとに符号化を行う音声符号化方法であっ
    て、 前記入力信号が定常的な信号であるか過渡的な信号であ
    るかにより前記入力信号の符号化フレームを特定する窓
    長を分析する窓長分析ステップと、 前記窓長および符号化モードの指定情報に基づいて前記
    スケールファクタバンドの周波数帯域順に複数のスケー
    ルファクタバンドを設定するとともに、所定の閾値の情
    報に基づいて、前記スケールファクタバンドのうち前記
    符号化する周波数帯域を特定する最大スケールファクタ
    バンドを初期設定する初期設定ステップと、 前記入力信号の周波数分布を分析した結果および前記聴
    覚心理モデルに基づいて、前記最大スケールファクタバ
    ンドを算出する最大スケールファクタバンド算出ステッ
    プと、 前記最大スケールファクタバンドにより制限された周波
    数帯域内で、前記スケールファクタバンドごとのスペク
    トル処理を実行するスペクトル処理ステップと、 前記スペクトル処理後のデータを量子化および符号化処
    理する符号化処理ステップとを含むことを特徴とする音
    声符号化方法。
  12. 【請求項１２】 前記最大スケールファクタバンド算出
    ステップに先立って前記入力信号の周波数分布を分析す
    るとともに、前記スケールファクタバンドごとに前記聴
    覚心理モデルに基づく信号対マスク比を算出し、その信
    号対マスク比と前記所定の閾値とに基づいて前記最大ス
    ケールファクタバンドを決定することを特徴とする請求
    項１１に記載の音声符号化方法。
  13. 【請求項１３】 前記最大スケールファクタバンド算出
    ステップに先立って前記入力信号の周波数分布を分析す
    るとともに、前記スケールファクタバンドごとにスペク
    トルのエネルギー値を算出し、そのエネルギー値と前記
    閾値とに基づいて前記最大スケールファクタバンドを決
    定することを特徴とする請求項１１に記載の音声符号化
    方法。
  14. 【請求項１４】 請求項１１乃至請求項１３のいずれか
    に記載の音声符号化方法を用いて音声符号化を行うこと
    特徴とする音声符号化装置。
  15. 【請求項１５】 請求項１１乃至請求項１３のいずれか
    に記載の音声符号化方法の各ステップを実現するための
    プログラムが記録されていることを特徴とするコンピュ
    ータ読取可能な記録媒体。
  16. 【請求項１６】 請求項１乃至請求項１０に記載の音声
    符号化方式または請求項１４に記載の音声符号化装置を
    構成要素とすることを特徴とする音楽配信システム。
JP2000391855A 2000-12-25 2000-12-25 音声符号化方式、音声符号化方法およびそれを用いる音声符号化装置、記録媒体、ならびに音楽配信システム Withdrawn JP2002196792A (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2000391855A JP2002196792A (ja) 2000-12-25 2000-12-25 音声符号化方式、音声符号化方法およびそれを用いる音声符号化装置、記録媒体、ならびに音楽配信システム
DE60106717T DE60106717T2 (de) 2000-12-25 2001-12-06 Verfahren und Vorrichtung zur Bestimmung des Skalenfaktors eines Audiosignalkodierers
EP01128475A EP1220203B1 (en) 2000-12-25 2001-12-06 Method and apparatus for the determination of scale factors for an audio signal coder
US10/036,718 US6915255B2 (en) 2000-12-25 2001-12-21 Apparatus, method, and computer program product for encoding audio signal
CNB011338172A CN1310431C (zh) 2000-12-25 2001-12-21 用于编码音频信号的设备和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2000391855A JP2002196792A (ja) 2000-12-25 2000-12-25 音声符号化方式、音声符号化方法およびそれを用いる音声符号化装置、記録媒体、ならびに音楽配信システム

Publications (1)

Publication Number Publication Date
JP2002196792A true JP2002196792A (ja) 2002-07-12

Family

ID=18857937

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000391855A Withdrawn JP2002196792A (ja) 2000-12-25 2000-12-25 音声符号化方式、音声符号化方法およびそれを用いる音声符号化装置、記録媒体、ならびに音楽配信システム

Country Status (5)

Country Link
US (1) US6915255B2 (ja)
EP (1) EP1220203B1 (ja)
JP (1) JP2002196792A (ja)
CN (1) CN1310431C (ja)
DE (1) DE60106717T2 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100682890B1 (ko) 2004-09-08 2007-02-15 삼성전자주식회사 비트량 고속제어가 가능한 오디오 부호화 방법 및 장치
JP2008523450A (ja) * 2004-12-13 2008-07-03 フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ 平方値に線形従属する計算結果の表示を生成する方法
JP2012032803A (ja) * 2010-07-01 2012-02-16 Polycom Inc フルバンド拡張可能なオーディオコーデック
JP7542153B2 (ja) 2020-12-24 2024-08-29 維沃移動通信有限公司 符号化方法、装置、電子機器及び記憶媒体

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2003281128A1 (en) * 2002-07-16 2004-02-02 Koninklijke Philips Electronics N.V. Audio coding
KR100477699B1 (ko) * 2003-01-15 2005-03-18 삼성전자주식회사 양자화 잡음 분포 조절 방법 및 장치
US7318027B2 (en) * 2003-02-06 2008-01-08 Dolby Laboratories Licensing Corporation Conversion of synthesized spectral components for encoding and low-complexity transcoding
CN100339886C (zh) * 2003-04-10 2007-09-26 联发科技股份有限公司 可以检测声音信号的暂态位置的编码器及编码方法
US7983909B2 (en) * 2003-09-15 2011-07-19 Intel Corporation Method and apparatus for encoding audio data
KR20050028193A (ko) * 2003-09-17 2005-03-22 삼성전자주식회사 오디오 신호에 적응적으로 부가 정보를 삽입하기 위한방법, 오디오 신호에 삽입된 부가 정보의 재생 방법, 및그 장치와 이를 구현하기 위한 프로그램이 기록된 기록 매체
JP4168976B2 (ja) * 2004-05-28 2008-10-22 ソニー株式会社 オーディオ信号符号化装置及び方法
US8326606B2 (en) * 2004-10-26 2012-12-04 Panasonic Corporation Sound encoding device and sound encoding method
KR100851970B1 (ko) * 2005-07-15 2008-08-12 삼성전자주식회사 오디오 신호의 중요주파수 성분 추출방법 및 장치와 이를이용한 저비트율 오디오 신호 부호화/복호화 방법 및 장치
WO2007091927A1 (en) * 2006-02-06 2007-08-16 Telefonaktiebolaget Lm Ericsson (Publ) Variable frame offset coding
US7966175B2 (en) * 2006-10-18 2011-06-21 Polycom, Inc. Fast lattice vector quantization
US7953595B2 (en) * 2006-10-18 2011-05-31 Polycom, Inc. Dual-transform coding of audio signals
US8044830B2 (en) * 2007-09-20 2011-10-25 Lg Electronics Inc. Method and an apparatus for processing a signal
KR101479011B1 (ko) * 2008-12-17 2015-01-13 삼성전자주식회사 다중 대역 스케쥴링 방법 및 이를 이용한 방송 서비스 시스템
US8311843B2 (en) * 2009-08-24 2012-11-13 Sling Media Pvt. Ltd. Frequency band scale factor determination in audio encoding based upon frequency band signal energy
CN107067483A (zh) * 2012-06-13 2017-08-18 中国计量大学 利用高速公路车辆超速摄像监控系统兼顾刷银行卡缴费的方法
EP2943954B1 (en) * 2013-01-08 2018-07-18 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Improving speech intelligibility in background noise by speech-intelligibility-dependent amplification
US10460727B2 (en) * 2017-03-03 2019-10-29 Microsoft Technology Licensing, Llc Multi-talker speech recognizer
CN110265046B (zh) * 2019-07-25 2024-05-17 腾讯科技（深圳）有限公司 一种编码参数调控方法、装置、设备及存储介质
CN111933162B (zh) * 2020-08-08 2024-03-26 北京百瑞互联技术股份有限公司 一种优化lc3编码器残差编码和噪声估计编码的方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100269213B1 (ko) * 1993-10-30 2000-10-16 윤종용 오디오신호의부호화방법
US5764698A (en) * 1993-12-30 1998-06-09 International Business Machines Corporation Method and apparatus for efficient compression of high quality digital audio
JP2778482B2 (ja) * 1994-09-26 1998-07-23 日本電気株式会社 帯域分割符号化装置
CN1238837C (zh) * 1996-10-15 2006-01-25 松下电器产业株式会社 声音编码方法和编码装置
KR100335609B1 (ko) * 1997-11-20 2002-10-04 삼성전자 주식회사 비트율조절이가능한오디오부호화/복호화방법및장치
EP0966109B1 (en) * 1998-06-15 2005-04-27 Matsushita Electric Industrial Co., Ltd. Audio coding method and audio coding apparatus
JP3515903B2 (ja) * 1998-06-16 2004-04-05 松下電器産業株式会社 オーディオ符号化のための動的ビット割り当て方法及び装置
JP2000134105A (ja) * 1998-10-29 2000-05-12 Matsushita Electric Ind Co Ltd オーディオ変換符号化に用いられるブロックサイズを決定し適応させる方法
JP4242516B2 (ja) * 1999-07-26 2009-03-25 パナソニック株式会社 サブバンド符号化方式
JP4287545B2 (ja) * 1999-07-26 2009-07-01 パナソニック株式会社 サブバンド符号化方式
US6678653B1 (en) * 1999-09-07 2004-01-13 Matsushita Electric Industrial Co., Ltd. Apparatus and method for coding audio data at high speed using precision information
JP2001094433A (ja) * 1999-09-17 2001-04-06 Matsushita Electric Ind Co Ltd サブバンド符号化・復号方法
JP3639216B2 (ja) * 2001-02-27 2005-04-20 三菱電機株式会社 音響信号符号化装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100682890B1 (ko) 2004-09-08 2007-02-15 삼성전자주식회사 비트량 고속제어가 가능한 오디오 부호화 방법 및 장치
JP2008523450A (ja) * 2004-12-13 2008-07-03 フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ 平方値に線形従属する計算結果の表示を生成する方法
JP2012032803A (ja) * 2010-07-01 2012-02-16 Polycom Inc フルバンド拡張可能なオーディオコーデック
JP7542153B2 (ja) 2020-12-24 2024-08-29 維沃移動通信有限公司 符号化方法、装置、電子機器及び記憶媒体

Also Published As

Publication number Publication date
EP1220203B1 (en) 2004-10-27
DE60106717T2 (de) 2005-12-22
US20020116179A1 (en) 2002-08-22
DE60106717D1 (de) 2004-12-02
EP1220203A2 (en) 2002-07-03
CN1361594A (zh) 2002-07-31
US6915255B2 (en) 2005-07-05
CN1310431C (zh) 2007-04-11
EP1220203A3 (en) 2003-09-10

Similar Documents

Publication Publication Date Title
JP2002196792A (ja) 音声符号化方式、音声符号化方法およびそれを用いる音声符号化装置、記録媒体、ならびに音楽配信システム
JP7177185B2 (ja) 信号分類方法および信号分類デバイス、ならびに符号化／復号化方法および符号化／復号化デバイス
EP2613315B1 (en) Method and device for coding an audio signal
US8442838B2 (en) Bitrate constrained variable bitrate audio encoding
US7613603B2 (en) Audio coding device with fast algorithm for determining quantization step sizes based on psycho-acoustic model
JP5175028B2 (ja) デジタル信号の符号化方法及び装置ならびに復号化方法及び装置
CN104485111B (zh) 音频/语音编码装置、音频/语音解码装置及其方法
EP1080542B1 (en) System and method for masking quantization noise of audio signals
KR101693280B1 (ko) 오디오 데이터 처리 방법, 장치 및 시스템
JP2010538316A (ja) 改良された音声及びオーディオ信号の変換符号化
KR20090110244A (ko) 오디오 시맨틱 정보를 이용한 오디오 신호의 부호화/복호화 방법 및 그 장치
US9424850B2 (en) Method and apparatus for allocating bit in audio signal
CN110767243A (zh) 一种音频编码方法、装置及设备
KR20040073862A (ko) 오디오 데이터 인코딩 장치 및 방법
KR20040065641A (ko) 양자화 잡음 분포 조절 방법 및 장치
JP2002023799A (ja) 音声符号化装置及びそれに用いる心理聴覚分析方法
US20090132238A1 (en) Efficient method for reusing scale factors to improve the efficiency of an audio encoder
JP4021124B2 (ja) デジタル音響信号符号化装置、方法及び記録媒体
US20060004565A1 (en) Audio signal encoding device and storage medium for storing encoding program
EP2229675A1 (en) Apparatus and method of enhancing quality of speech codec
US20230198488A1 (en) Method and unit for performing dynamic range control
US10650834B2 (en) Audio processing method and non-transitory computer readable medium
JP2014085542A (ja) オーディオ符号化装置、オーディオ符号化方法、オーディオ符号化用コンピュータプログラム
JP2003280691A (ja) 音声処理方法および音声処理装置
JP2000078018A (ja) 音声符号化方式、音声符号化装置、及びデ―タ記録媒体

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20071106

A761 Written withdrawal of application

Free format text: JAPANESE INTERMEDIATE CODE: A761

Effective date: 20080702