JP2005062296A - 符号化装置及び符号化方法 - Google Patents

Abstract

【課題】 知覚符号化方式を適用した多チャネル・オーディオ信号の符号化装置及び符号化方法に関し、復号再生した時の音質を改善する。
【解決手段】 多チャネル・オーディオ信号を入力するフィルタバンク１及び聴覚心理モデル３と、聴覚心理モデル３による知覚エントロピーを基にブロック長を決定してフィルタバンク１に入力するブロック長決定部２と、聴覚心理モデルからのマスキングレベル以上のフィルタバンクからの信号を量子化する量子化器４と、符号化データを出力するビットストリーム生成器５とを含み、ブロック長決定部２は、チャネル対応の知覚エントロピーを基にチャネル対応のブロック長を求める判定部６と、各チャネルのブロック長が異なる時に、各チャネルのブロック長と知覚エントロピーとを基にブロック長の補正を行う補正部７とを含み、補正ブロック長制御信号をフィルタバンク１に入力する。
【選択図】 図１

Description

本発明は、多チャネル・オーディオ信号の伝送又は蓄積の為に圧縮符号化する符号化装置及び符号化方法に関する。

ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ），ＭＤ（Ｍｉｎｉ Ｄｉｓｋ），半導体メモリ等のコンパクトな蓄積系メディアへの音楽等の記録や、携帯電話，インターネットの普及に伴う音楽配信サービスが普及している。その為、蓄積系メディアの限られた蓄積容量に対して、より多くの蓄積を可能とし、又音楽配信サービス利用者の限られた伝送対域内で、より速くデータ送信を可能にする為には、情報圧縮手段が必要となる。

オーディオ信号は、例えば、図７に示すように、符号器により符号化して符号化データを出力し、蓄積メディアに蓄積するか、又は通信回線を介して伝送される。又蓄積メディアから再生した符号化データ又は通信回線を介して受信した符号化データを復号器により復号して、オーディオ信号を再生することになる。

符号器としては、圧縮効率が高いことが要望される。通常は、オーディオ信号の連続した複数サンプルを１ブロックとし、ブロック単位で符号化処理する。この場合の符号化原理として、人間の聴覚の性質を利用した知覚符号化方式が知られている。この知覚符号化方式は、人間の聴覚の特性を「聴覚心理モデル」として模擬し、人間には知覚されない音のパワーをブロック毎に算出し、知覚されない音については符号化しないことにより、情報量を圧縮するものである。

又オーディオ信号を符号化する符号器は、再生音が高音質であることが要望される。その為、処理単位であるブロック長を切替える手段が採用されている。例えば、サンプル数が多いロングブロックと、サンプル数が少ないショートブロックとの２種類のブロック長として、切替える手段が知られている。又オーディオ信号には、信号のエネルギーの変動の少ない「定常部」と、信号のエネルギーが急激に変動する「アタック（ａｔｔａｃｋ）」とが含まれている。定常部に於いては、ブロック長を長くすることにより、効率的な符号化が可能となる。しかし、アタック部分の符号化は、ブロック長が長いと、復号化の際にプリエコーと称される雑音が発生して音質が劣化する。この為に、アタック部分ではブロック長を短くして、信号変化点の時間分解能を向上させることにより、プリエコーを抑圧して、復号再生音質の向上を図ることができる。

図８は、前述のプリエコーの説明図であり、入力されたオーディオ信号と、符号化後に復号化を行った再生オーディオ信号とを示し、入力されたオーディオ信号は、急激に変動するアタック部分と、変動が比較的少ない定常部とを含み、これらをロングブロック処理により符号化した後、復号化した再生オーディオ信号は、（ａ）ロングブロック処理として示すように、原オーディオ信号にはなかったプリエコーが含まれたものとなる。このプリエコーの成分が雑音成分となるから、再生音質を劣化させることになる。これに対して、ショートブロック処理により符号化した後、復号化した再生オーディオ信号は、（ｂ）ショートブロック処理として示すように、プリエコーは抑圧されている。

図９は、知覚符号化方式を適用した従来の符号化装置の説明図であり、５１はフィルタバンク、５２はブロック長決定部、５３は聴覚心理モデル、５４は量子化器、５５はビットストリーム生成器を示す。

オーディオ信号は、フィルタバンク５１と聴覚心理モデル５３とに入力される。聴覚心理モデル５３は、入力されたオーディオ信号に含まれる人間の耳には聞こえない音のエネルギーレベル（マスキングレベル）と、オーディオ信号のエネルギー変化を表す知覚エントロピー（ＰＥ：Ｐｅｒｃｅｐｔｕａｌ Ｅｎｔｒｏｐｙ）とを算出し、知覚エントロピーをブロック長決定部５２に入力し、マスキングレベルを量子化部５４に入力する。

ブロック長決定部５２は、知覚エントロピーを基に入力オーディオ信号のエネルギー変化を判定し、図８について説明したように、アタックを含む場合はショートブロック、定常部のみの場合はロングブロックとするブロック長制御信号をフィルタバンク５１に入力する。フィルタバンク５１は、ブロック長制御信号により指定されたブロック長のオーディオ信号を、時間軸上から周波数軸上に変換した周波数スペクトルを量子化器５４に入力する。量子化器５４は、マスキングレベル以上のエネルギーを有するフィルタバンク５１からの信号成分のみを対象に量子化を行い、ビットストリーム生成器５５により量子化信号を符号化データとして出力する。この符号化は既に各種の手段が知られている。

従って、ブロック長決定部５２は、知覚エントロピーを判定してブロック長を決定する判定部を含むものであり、２チャネルのステレオ・オーディオ信号に対しては、例えば、図１０に示すように、Ｌ（左）チャネルの知覚エントロピーを入力する判定部６１と、Ｒ（右）チャネルの知覚エントロピーを入力する判定部６２とを備え、それぞれＬチャネルとＲチャネルとのオーディオ信号に対して独立的に判定してブロック長制御信号を出力し、フィルタバンクに入力することになる。

前述のような知覚符号化方式は、ＩＳＯ／ＩＥＣ１３８１８−７として制定されたＭＰＥＧ２−Ａｕｄｉｏ符号化方式の規格のＡＡＣ（Ａｄｖａｎｃｅｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ）方式がある。このＡＡＣ方式に於いては、ロングブロックは１０２４サンプル、ショートブロックは１２８サンプルと規定されている。又ブロック長の決定は、知覚エントロピーを閾値パラメータと比較することにより行われる。

又チャネル間の和の信号と差の信号とを一つのマトリクスチャネルとして、５チャネルのオーディオ信号を知覚符号化方式により符号化する方法が提案されている（例えば、特許文献１参照）。又前述のプリエコーを低減する為に、フィルタ処理を施す方法が知られている（例えば、特許文献２参照）。
特開平７−１９９９９３号公報 特表平６−５０７２９６号公報

知覚符号化方法に於いて、知覚エントロピーと閾値とを比較してブロック長を決定する場合に、その閾値近傍で知覚エントロピーが変動すると、ブロック長の切替えが頻発する。又複数チャネルのオーディオ信号に対しては、チャネル毎に独立的にブロック長を決定するものであるから、各チャネルについてのブロック長が異なるものとなる。

例えば、同一時刻にＬチャネルとＲチャネルとのオーディオ信号にアタック部分が含まれている場合に、ブロック長の組合せは次のようになる。

（１）．Ｌチャネル・Ｒチャネル共にショートブロック。

（２）．Ｌチャネル・Ｒチャネル共にロングブロック。

（３）．Ｌチャネル（又はＲチャネル）はロングブロック、Ｒチャネル（又はＬチャネル）はショートブロック。

（１）の状態の場合は、プリエコーが抑圧されて再生音質は良好となる。又（２）の状態の場合は両チャネルで、（３）の状態の場合は片方のチャネルで、それぞれプリエコーが発生し、再生音質は劣化する。実際に試聴すると、（２）の状態の場合は、両チャネルから雑音が聞こえるのに対して、（３）の状態の場合は、片チャネルから雑音が聞こえる。一般には、両耳で雑音が聞こえるよりも、片耳で雑音が聞こえる方が、主観的に違和感があり、音質劣化の増大と感じる。

そこで、（３）の状態が発生した場合に、ロングブロックが選択されたチャネルを、ショートブロックに強制的に変更する対策が考えられる。しかし、両チャネルが同一時刻にアタックを含む場合のみ、プリエコーが抑圧されて再生音質は改善されるが、同一時刻にＬチャネル（又はＲチャネル）に定常部、Ｒチャネル（又はＬチャネル）にアタックが含まれる場合にも（３）の状態が発生し、強制的にブロック長を統一して、定常部をショートブロックで処理すると、歪が大きくなり、主観的に音質劣化を感じる問題がある。このような問題点については、前記特許文献１，２には全く開示されていない。

本発明は、知覚エントロピーの変化を再評価して各チャネルのブロック長を補正して、再生音質を改善する多チャネル・オーディオ信号の符号化装置及び符号化方法を提供することを目的とする。

本発明の符号化装置は、多チャネル・オーディオ信号を入力するフィルタバンク及び聴覚心理モデルと、該聴覚心理モデルによりチャネル対応の知覚エントロピー及びマスキングレベルを求め、前記知覚エントロピーを基にブロック長を決定して前記フィルタバンクにブロック長制御信号を入力するブロック長決定部と、前記マスキングレベル以上の前記フィルタバンクからの出力信号について量子化する量子化器と、該量子化器により量子化された信号を符号化して符号化データを出力するビットストリーム生成器とを含み、前記ブロック長決定部は、前記知覚エントロピーを基にチャネル対応のブロック長を決定する判定部と、該判定部によるブロック長と前記知覚エントロピーとを基に、チャネル対応のブロック長を補正する補正部とを備えている。

又本発明の符号化方法は、多チャネル・オーディオ信号をフィルタバンクと聴覚心理モデルとに入力し、聴覚心理モデルにより求めたチャネル対応の知覚エントロピーを第１の閾値と比較して、チャネル対応のブロック長を決定し、チャネル対応のブロック長が異なる場合に、知覚エントロピーを第２の閾値と比較して、ブロック長を補正する過程を含むものである。

多チャネル・オーディオ信号に対して知覚符号化方式により符号化する為のブロック長の決定が行われた時に、各チャネルのブロック長が、復号化した時に音質劣化が生じないように、知覚エントロピーを用いて再評価し、各チャネルのブロック長を最適化することにより、多チャネル・オーディオ信号の再生音質を改善することができる。

多チャネル・オーディオ信号を基に聴覚心理モデルによりチャネル対応に知覚エントロピーを求め、判定部に於いて知覚エントロピーと第１の閾値と比較してチャネル対応にブロック長を求め、チャネル対応のブロック長が異なる場合に、チャネル対応の知覚エントロピーを第２の閾値と比較して、各チャネルのブロック長が最適であるか否かを判定して、ブロック長を補正する。

図１は、本発明の符号化装置の説明図であり、１はフィルタバンク、２はブロック長決定部、３は聴覚心理モデル、４は量子化器、５はビットストリーム生成器、６は判定部、７は補正部を示す。

多チャネル・オーディオ信号は、フィルタバンク１と聴覚心理モデル３とに入力される。聴覚心理モデル３は、入力された多チャネル・オーディオ信号に含まれる人間の耳には聞こえない音のエネルギーレベル（マスキングレベル）と、オーディオ信号のエネルギー変化を表す知覚エントロピー（ＰＥ：Ｐｅｒｃｅｐｔｕａｌ Ｅｎｔｒｏｐｙ）とをチャネル対応に算出し、チャネル対応の知覚エントロピーをブロック長決定部２に入力し、チャネル対応のマスキングレベルを量子化部４に入力する。

ブロック長決定部２は、判定部６と補正部７とを含み、判定部６は、チャネル対応の知覚エントロピーを第１の閾値と比較して、チャネル対応の入力オーディオ信号のエネルギー変化を判定し、アタックを含む場合はショートブロック、定常部のみの場合はロングブロックとするブロック長制御信号を補正部７に入力する。補正部７は、チャネル対応のブロック長制御信号と知覚エントロピーとを基に、各チャネルのブロック長が最適か否かを判定する。この場合、各チャネルのブロック長が異なると、知覚エントロピーと第２の閾値と比較して、ブロック長が最適であるか否かを判定し、最適でない場合は、ブロック長を補正する。この補正ブロック長制御信号をフィルタバンク１に入力する。

フィルタバンク１は、チャネル対応の補正ブロック長制御信号により指定されたブロック長のチャネル対応のオーディオ信号を、時間軸上から周波数軸上に変換し、周波数スペクトルを量子化器４に入力する。量子化器４は、マスキングレベル以上のエネルギーを有する信号成分のみを対象に量子化を行い、ビットストリーム生成器５により量子化信号を符号化データとして出力する。

図２は、２チャネルのオーディオ信号が入力される場合のブロック長決定部の説明図であり、判定部１１，１２と補正部１３とを含み、ＬチャネルとＲチャネルとのステレオ・オーディオ信号が聴覚心理モデル３（図１参照）に入力されて、各チャネル対応の知覚エントロピーが判定部１１，１２と補正部１３とに入力される。

判定部１１，１２は、知覚エントロピーと第１の閾値と比較してロングブロックとするかショートブロックとするかを判定して、ブロック長制御信号を出力する。補正部１３は、ブロック長制御信号と知覚エントロピーとを基に、ブロック長を補正するもので、各チャネルのブロック長が同一の場合は補正処理を行わないが、同一でない場合は補正処理を行う。例えば、第１の閾値より低い第２の閾値と知覚エントロピーとを比較して、ブロック長の再評価を行って、チャネル対応の補正ブロック長制御信号を出力する。

図３は、補正部の処理の概要を示すフローチャートであり、図２に於ける判定部１１，１２からのＬチャネルとＲチャネルとのブロック長制御信号について、ブロック長の組合せを評価する（Ａ１）。前述のように、同一ブロック長を示す場合は、ＯＫとして、入力されたブロック長制御信号を補正ブロック長制御信号としてフィルタバンク１に入力する。又異なるブロック長を示す場合（ＮＧ）は、知覚エントロピーを第２の閾値と比較する再評価を行う（Ａ２）。この知覚エントロピーの再評価は、判定部に於ける第１の閾値より低い第２の閾値と比較することにより、異なるブロック長のまま補正ブロック長制御信号とするか、又は同一となるように補正した補正ブロック長制御信号とする。

図４は、ＡＡＣ（Ａｄｖａｎｃｅｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ）方式を適用した本発明の実施例のブロック長決定部の説明図であり、２１，２２は判定部、２３は補正部、ＴＨ１は第１の閾値、ＴＨ２は第２の閾値を示す。又［０］はＬチャネル、［１］はＲチャネルを表し、ｐｅは知覚エントロピー、ｂｌｏｃｋ ｔｙｐｅはブロック長制御信号、ｎｅｗ ｂｌｏｃｋ ｔｙｐｅは補正ブロック長制御信号を示す。

判定部２１，２２は、ＬチャネルとＲチャネルとの知覚エントロピーｐｅ［０］，ｐｅ［１］を判定部２１，２２と補正部２３とに入力し、判定部２１，２２に於いては、それぞれ第１の閾値ＴＨ１と比較し、次のようにしてショートブロックＳＨＯＲＴ ＢＬＯＣＫとロングブロックＬＯＮＧ ＢＬＯＣＫとを決定する。なお、［ｃｈ］は、［０］又は［１〕のチャネルを示す。

ｂｌｏｃｋ ｔｙｐｅ［ｃｈ］＝ＳＨＯＲＴ ＢＬＯＣＫ
ｉｆ ｐｅ［ｃｈ］＞ＴＨ１
ｂｌｏｃｋ ｔｙｐｅ［ｃｈ］＝ＬＯＮＧ ＢＬＯＣＫ ｏｔｈｅｒｓ
即ち、知覚エントロピーｐｅ［ｃｈ］が第１の閾値ＴＨ１を超えている場合にショートブロックとし、その他の場合はロングブロックとする。

図５は、前述の判定部の処理フローチャートを示し、聴覚心理モデル３（図１参照）からの知覚エントロピーｐｅ［ｃｈ］と第１の閾値ＴＨ１とを比較し（Ｂ１）、ｐｅ［ｃｈ］＞ＴＨ１の場合は、ｂｌｏｃｋ ｔｙｐｅ［ｃｈ］＝ＳＨＯＲＴ ＢＬＯＣＫとしたブロック長制御信号ｂｌｏｃｋ ｔｙｐｅ［ｃｈ］を出力する（Ｂ２）。又ｐｅ［ｃｈ］＞ＴＨ１でない場合は、ｂｌｏｃｋ ｔｙｐｅ［ｃｈ］＝ＬＯＮＧ ＢＬＯＣＫとしたブロック長制御信号ｂｌｏｃｋ ｔｙｐｅ［ｃｈ］を出力する（Ｂ３）。

又補正部２３は、判定部２１，２２からのブロック長制御信号ｂｌｏｃｋ ｔｙｐｅ［ｃｈ］と聴覚心理モデル３からの知覚エントロピーｐｅ［ｃｈ］とを入力し、ブロック長制御信号ｂｌｏｃｋ ｔｙｐｅ［０］，ｂｌｏｃｋ ｔｙｐｅ［１］が同一でない場合に、知覚エントロピーｐｅ［０］，ｐｅ［１］と第２の閾値ＴＨ２（但し、ＴＨ２＜ＴＨ１）とを比較する。

図６は、補正部の処理フローチャートを示し、判定部２１，２２からのブロック長制御信号ｂｌｏｃｋ ｔｙｐｅ［０］，ｂｌｏｃｋ ｔｙｐｅ［１］について、ｂｌｏｃｋ ｔｙｐｅ［０］≠ＢＬＯＣＫ ｔｙｐｅ［１］か否かを判定し（Ｃ１）、同一の場合は、補正処理を終了し、同一でない場合は、Ｌチャネルについてショートブロック且つＲチャネルの知覚エントロピーｐｅ［１］が第２の閾値ＴＨ２を超えているか否かを判定し（Ｃ２）、ｐｅ［１］＞ＴＨ２の場合は、Ｒチャネルもショートブロック（ｂｌｏｃｋ ｔｙｐｅ［１］＝ＳＨＯＲＴ）とする（Ｃ３）。又ｐｅ［１］＞ＴＨ２でない場合は、Ｒチャネルがショートブロック且つＬチャネルの知覚エントロピーｐｅ［０］が第２の閾値ＴＨ２を超えているか否かを判定し（Ｃ４）、ｐｅ［０］＞ＴＨ２でない場合は、補正処理を終了し、ｐｅ［０］＞ＴＨ２の場合は、Ｌチャネルをショートブロック（ｂｌｏｃｋ ｔｙｐｅ［０］＝ＳＨＯＲＴ）とする（Ｃ５）。このように補正した補正ブロック長制御信号ｎｅｗ ｂｌｏｃｋ ｔｙｐｅ［０］，ｎｅｗ ｂｌｏｃｋ ｔｙｐｅ［１］をフィルタバンクに入力する。

前述のように、Ｌチャネルのブロック長がショートブロックの場合に、Ｒチャネルの知覚エントロピーｐｅ［１］と第２の閾値ＴＨ２とを比較し、次の条件でブロック長の補正が行われる。

ｎｅｗ ｂｌｏｃｋ ｔｙｐｅ［１］＝ＳＨＯＲＴ ＢＬＯＣＫ
ｉｆ ｐｅ［１］＞ＴＨ２
ｎｅｗ ｂｌｏｃｋ ｔｙｐｅ［１］＝ｂｌｏｃｋ ｔｙｐｅ［１］ ｏｔｈｅｒｓ
又Ｒチャネルのブロック長がショートブロックの場合、前述の場合と同様に、
ｎｅｗ ｂｌｏｃｋ ｔｙｐｅ［０］＝ＳＨＯＲＴ ＢＬＯＣＫ
ｉｆ ｐｅ［０］＞ＴＨ２
ｎｅｗ ｂｌｏｃｋ ｔｙｐｅ［０］＝ｂｌｏｃｋ ｔｙｐｅ［０］ ｏｔｈｅｒｓ
前述の実施例は、２チャネルのオーディオ信号の知覚符号化方式を適用した場合であるが、３チャネルや５チャネル等の多チャネル・オーディオ信号の符号化に於いても適用することができるもので、各チャネルのブロック長が同一でない場合に、各チャネルの知覚エントロピーと第２の閾値とを比較し、例えば、ロングブロックと判定したチャネルの知覚エントロピーが第２の閾値を超える場合は、ショートブロックに補正する処理を行うものである。

本発明の符号化装置の説明図である。 ブロック長決定部の説明図である。 補正部の処理フローチャートである。 ＡＡＣ方式を適用したブロック長決定部の説明図である。 判定部の処理フローチャートである。 補正部の処理フローチャートである。 オーディオ信号の符号化，復号化の説明図である。 プリエコーの説明図である。 従来の符号化装置の説明図である。 従来のブロック長決定部の説明図である。

符号の説明

１ フィルタバンク
２ ブロック長決定部
３ 聴覚心理モデル
４ 量子化器
５ ビットストリーム生成器
６ 判定部
７ 補正部

Claims (5)

1. 多チャネル・オーディオ信号を入力するフィルタバンク及び聴覚心理モデルと、該聴覚心理モデルによりチャネル対応の知覚エントロピー及びマスキングレベルを求め、前記知覚エントロピーを基にブロック長を決定して前記フィルタバンクに入力するブロック長決定部と、前記マスキングレベル以上の前記フィルタバンクからの出力信号を量子化する量子化器と、該量子化器により量子化された信号を符号化した符号化データを出力するビットストリーム生成器とを含む符号化装置に於いて、
   前記ブロック長決定部は、前記知覚エントロピーを基にチャネル対応のブロック長を決定する判定部と、該判定部によるチャネル対応のブロック長が異なる時に、前記知覚エントロピーを基にチャネル対応のブロック長を補正する補正部とを備えた
   ことを特徴とする符号化装置。
2. 前記ブロック長決定部は、前記聴覚心理モデルからのチャネル対応の知覚エントロピーと第１の閾値とを比較し、該第１の閾値を超えた知覚エントロピーのチャネルはショートブロックとし、その他はロングブロックとする判定部と、該判定部による各チャネルのブロック長が異なる時に、前記知覚エントロピーと第２の閾値とを比較し、該第２の閾値を超えた知覚エントロピーのチャネルはショートブロックに補正する補正部とを備えたことを特徴とする請求項１記載の符号化装置。
3. 多チャネル・オーディオ信号を入力して、聴覚心理モデルによりチャネル対応の知覚エントロピーを求め、該知覚エントロピーを基にチャネル対応のブロック長を決定して、該ブロック長の単位で符号化を行う符号化方法に於いて、
   前記知覚エントロピーを基に求めたチャネル対応のブロック長が異なる時に、各チャネルのブロック長と前記知覚エントロピーとを基に、チャネル対応のブロック長を補正する過程を含む
   ことを特徴とする符号化方法。
4. 前記聴覚心理モデルにより求めたチャネル対応の知覚エントロピーと第１の閾値とを比較し、該第１の閾値を超えた知覚エントロピーのチャネルはショートブロックとし、その他はロングブロックとし、且つ各チャネルのブロック長が異なる時に、前記知覚エントロピーと第２の閾値とを比較し、該第２の閾値を超えた知覚エントロピーのチャネルはショートブロックに補正する過程を含むことを特徴とする請求項３記載の符号化方法。
5. 前記チャネル対応のブロック長が同一でなく、ロングブロックとショートブロックとを含む時に、前記第１の閾値より低い第２の閾値と前記ロングブロック対応の知覚エントロピーを比較し、該知覚エントロピーが前記第２の閾値を超えた時に、該チャネルのブロック長をロングブロックからショートブロックに補正する過程を含むことを特徴とする請求項４記載の符号化方法。

Images