JP2005122034A - オーディオデータ圧縮方法 - Google Patents

Abstract

【課題】複数の楽曲間の無音の出力を削除或いは軽減し、自然に聞こえるようにすることができるオーディオデータの圧縮方法を提供する。
【解決手段】図（ａ）に示すように、１曲目の終端部のフレームが５サンプル分不足している場合、図（ｂ）に示す２曲目の先頭部の５サンプルをＰＣＭデータ記憶バッファから読み出してデータ処理部に入力し、データ処理部は１曲目の終端部に上記２曲目の先頭部の５サンプルを挿入し、１フレームとしてデータ圧縮部に出力し、１曲目の符号化が行われる。この場合、２曲目は、本来の２曲目の先頭部分からフレーム処理を行ってサンプルをデータ処理部からデータ圧縮部に出力することも可能であるが、図（ｃ）に示すように、１曲目に挿入した５サンプルを除いて、最初の１フレームを作成しデータ圧縮部に入力することもできる。
【選択図】図２

Description

本発明は、オーディオデータ圧縮方法に関し、特に、デジタルオーディオデータの圧縮符号化録音装置に使用するオーディオデータ圧縮方法に関する。

従来、デジタルオーディデータの圧縮を行う場合、デジタルオーディオデータを一定サンプル数のフレーム毎に分割し、各フレームについて帯域分割によって複数のサブバンドに分割し、各サブバンドについて心理聴覚分析によってデータ圧縮し、圧縮データに制御情報を付加して出力している（例えば、特許文献１参照。）。
特開２００２−３４１８９６号公報。

このようなデジタルオーディデータの圧縮処理を行う場合、楽曲単位で符号化が行われるが、上記のように、デジタルオーディオデータを一定サンプル数のフレーム毎に分割し、各フレームに圧縮を行っているので、楽曲の最後でフレームのデータがなくなることが多い。このような場合、最後のフレームが所定のサンプル数となるように、無音データを付加することが行われている。

上記のように、デジタルオーディオデータの圧縮時に、楽曲の最後でフレームのデータがなくなった場合、最後のフレームが所定のサンプル数となるように、無音データを付加しているが、楽曲によっては、当該楽曲の始点が他の楽曲の終点との連続性を保つような場合がある。例えば、楽曲としてはまったく別のものであるが、そのそれぞれがリズムなどによりスムーズにつながっているようなものや、いわゆるライブ盤などで拍手などの種々の音が入っているために音が途切れることがなく結果として前後の楽曲同士がつながっているようなものがある。

このように複数の連続した楽曲を楽曲ごとに圧縮しようとした場合、その楽曲データの最終部分において、その目的とする楽曲に連続する楽曲データがないために、圧縮データの復号後に、前後の曲を連続して再生した場合には、楽曲間で本来ないはずの無音が出力され不自然な再生音となってしまう。

本発明は、上記の問題に鑑みてなされたもので、複数の楽曲間の無音の出力を削除或いは軽減し、自然に聞こえるようにすることができるオーディオデータの圧縮方法を提供することを目的とする。

上述の目的を達成するため、本発明に係るオーディオデータ圧縮方法（１）は、
デジタルオーディオデータをｎサンプルのフレーム単位ごとに符号化するオーディオデータ圧縮方法において、
符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分に次の曲の先頭部分のデータ列を挿入して符号化を行うことを特徴とする。

また、本発明に係るオーディオデータ圧縮方法（２）はオーディオデータ圧縮方法（１）において、
次の曲を符号化する際に、ｎサンプルに満たなかった部分に挿入したデータ列を次の曲から削除して符号化を行うことを特徴とする。

また、本発明に係るオーディオデータ圧縮方法（３）は、
デジタルオーディオデータをｎサンプルのフレーム単位ごとに符号化するオーディオデータ圧縮方法において、
符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかったフレームを削除して符号化を行うことを特徴とする。

さらに、本発明に係るオーディオデータ圧縮方法（４）はオーディオデータ圧縮方法（３）において、
次の曲を符号化する際に、削除したフレームに含まれるデータを次の曲の先頭部分に挿入して符号化を行うことを特徴とする。

また、本発明に係るオーディオデータ圧縮方法（５）は、
デジタルオーディオデータをｎサンプルのフレーム単位ごとに符号化するオーディオデータ圧縮方法において、
符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分を補間できるように、過去の波形を間延びさせて符号化を行うことを特徴とする。

さらに、本発明に係るオーディオデータ圧縮方法（６）は、オーディオデータ圧縮方法（５）において、
ｎサンプルに満たなかったサンプル数に応じて間延びさせる対象の過去の波形の長さを変化させることを特徴とする。

また、本発明に係るオーディオデータ圧縮方法（７）は、
デジタルオーディオデータをｎサンプルのフレーム単位ごとに符号化するオーディオデータ圧縮方法において、
符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分に、直前のデータ列を満たなかったサンプル数分付加した後、符号化を行うことを特徴とする。

また、本発明に係るオーディオデータ圧縮方法（８）は、
デジタルオーディオデータをｎサンプルのフレーム単位ごとに符号化するオーディオデータ圧縮方法において、
符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分に、直前のデータ列を満たなかったサンプル数分、時間軸に対して反転して付加した後、符号化を行うことを特徴とする。

さらに、本発明に係るオーディオデータ圧縮方法（９）は、
デジタルオーディオデータをｎサンプルのフレーム単位ごとに符号化するオーディオデータ圧縮方法において、
符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分に、直前のデータ列を満たなかったサンプル数分、時間軸に対して反転し、さらに、反転したデータ列の符号を逆転して付加した後、符号化を行うことを特徴とする。

また、本発明に係るオーディオデータ圧縮方法（１０）は、
デジタルオーディオデータをｎサンプルのフレーム単位ごとに符号化するオーディオデータ圧縮方法において、
符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分に、予め定まった音データを挿入した後、符号化を行うことを特徴とする。

本発明に係るオーディオデータ圧縮方法（１）によれば、曲の終端部に次の曲のデータをそのまま挿入するため、そのデータを復元した場合、原曲と変わらない聞こえ方を保持することができる。この場合、曲の終端部が実際の終端部に対してずれるが、既存のオーディオ圧縮方式ではフレームの単位は数１０ｍｓであるため、実用上問題となることはない。

また、本発明に係るオーディオデータ圧縮方法（２）によれば、前曲の終端部に次の曲のデータを挿入した処理が次の曲に反映されるため、例えばライブ盤ＣＤなどのように曲間に無音部分のない音源を符合化した場合、そのデータを連続して復号化した時に、原曲と変わらない聞こえ方を保持することができる。

さらに、本発明に係るオーディオデータ圧縮方法（３）によれば、曲の終端部を削除するだけのため、そのデータを復元した場合、原曲と変わらない聞こえ方を保持することができる。この場合、曲の終端部が実際の終端部に対してずれるが、上記のように既存のオーディオ圧縮方式ではフレームの単位は数１０ｍｓであるため、実用上問題となることはない。

さらに、本発明に係るオーディオデータ圧縮方法（４）によれば、削除したフレームに含まれるデータが次の曲の先頭部分に挿入されるので、曲間に無音部分のない音源を符合化したデータを連続して復号化した場合にも、原曲と全く変わらない聞こえ方を保持することができる。

さらに、本発明に係るオーディオデータ圧縮方法（５）、（６）によれば、過去の波形を間延びさせることにより無音データをなくすことができるとともに、曲の間延びを行う対象を大きく取れば取るほど、元の波形に近い形ができるため、原曲との変化を少なくすることができる。

また、本発明に係るオーディオデータ圧縮方法（７）〜（１０）によれば、不足部分に原曲とは異なるデータを挿入するため、原曲と聞こえ方が変わる可能性があるが、この期間は数１０ｍｓであり、無音データは記録されないので、復号化した場合の不自然さを解消することができる。また、これらの方法は、単にデータをコピーするだけであるので、他の方法に比べて処理負荷を軽減することができる。

以下、本発明のオーディオデータ圧縮方法の実施例について図面を用いて説明する。図１は本発明のオーディオデータ圧縮方法を適用するデータ圧縮回路のブロック図であり、このデータ圧縮回路は、デジタルオーディオデータを記憶するＰＣＭデータ記憶バッファ１、データ処理部２、データ圧縮部３及び制御部１０よりなり、音楽信号のＰＣＭ（Pulse Code Modulation）データが入力されるＰＣＭデータ記憶バッファ１の内容が制御部１０の制御によりデータ処理部２に取り込まれ、データ処理部２が以下に説明するデータ処理を行った後、ｎサンプルのフレーム単位のデータ列を作成してデータ圧縮部３に出力する。データ圧縮部３はサブバンド分析フィルタバンク４、スケールファクタ抽出・正規化部５、心理聴覚分析部６、ビット割当部７、量子化部８及びビットストリーム生成部９よりなり、制御部１０により制御される。

このデータ圧縮部３におけるデータ圧縮時には、データ処理部２からのｎサンプル、例えば１１５２サンプル、のフレームデータが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サブバンド分析フィルタバンク４は、３２サンプルデータ（サブフレーム）ごとに圧縮前のＰＣＭによるデジタルオーディオデータを等しい帯域幅を持つ３２バンドのサブバンドデータに分割する。すなわち、１フレームを３６サブフレームに分割し、各サブフレーム毎に３２バンドのサブバンドデータに分割する。この場合、各々のサブバンドデータは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・正規化部５は、１フレームにおける各々のサブバンドデータに対し、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。

一方、心理聴覚分析部６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、それに基づき各サブバンド毎のマスキングしきい値、すなわち、許容量子化雑音電力を計算して出力する。ビット割当部７は心理聴覚分析部６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。そして、量子化部８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・正規化部４から出力されるサブバンドデータを量子化し、ビットストリーム生成部９に出力する。

ビットストリーム生成部９は、各サブバンドに対するビット割当情報及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て出力する。
データ圧縮部３におけるデータ圧縮の符号化は以上のようにして行われるが、データ圧縮部３に入力される符号化対象の曲の終端部の１フレームのサンプル数がｎサンプルに満たない場合における、データ処理部２でのデータ処理について、以下説明する。

図２は、符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分に次の曲の先頭部分のデータ列を挿入するデータ処理を行う場合のデータ列を示す図であり、図２（ａ）に示すように、１曲目の終端部のフレームが５サンプル分不足している場合、制御部１０は図２（ｂ）に示す２曲目の先頭部の５サンプルをＰＣＭデータ記憶バッファ１から読み出してデータ処理部２に入力する。そして、データ処理部２は１曲目の終端部に上記２曲目の先頭部の５サンプルを挿入し、最終フレームとしてデータ圧縮部３に出力し、１曲目の符号化が行われる。

この場合、２曲目は、本来の２曲目の先頭部分からフレーム処理を行ってサンプルをデータ処理部２からデータ圧縮部３に出力することも可能であるが、図２（ｃ）に示すように、１曲目に挿入した５サンプルを除いて最初の１フレームを作成し、データ圧縮部３に入力することもできる。このようにすれば、曲の終端部で施した処理を次の曲に反映することができるため、例えばライブ盤ＣＤなどのように曲間に切れ目のない音源を符号化した場合、そのデータを連続して復号化したときに、原曲と変わらない聞こえ方を保持することができる。

また、図３は符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかったフレームを削除して符号化を行う例を示す図であり、１曲目の終端部のフレームが５サンプル分不足している場合、制御部１０はデータ処理部２により１曲目の終端部のフレームを削除し、１曲目としてデータ圧縮部３に出力する。

この場合も、２曲目は、本来の２曲目の先頭部分からフレーム処理を行ってサンプルをデータ処理部２からデータ圧縮部３に出力することも可能であるが、図３（ｂ）に示すように、１曲目で削除した最終フレームの有効部分（ｎ−５サンプル）を２曲目の先頭部分に挿入して最初の１フレームを作成することも可能である。このようにすれば、曲の終端部で施した処理を次の曲に反映することができるため、上記と同様に、データを連続して復号化したときに、原曲と変わらない聞こえ方を保持することができる。

また、符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分を補間できるように、過去（最終フレームの前）の波形を間延びさせて符号化を行うこともでき、図４はこのようにｎサンプルに満たなかった部分を補間できるように、過去の波形を間延びさせて符号化を行う例を示す波形図である。
すなわち、図４（ｂ）に示すように、データ処理部２は過去の２フレーム分＋最終フレームの有効部分が３フレームの３ｎサンプルとなるように時間軸上で間延びさせる処理を行った後、１フレーム毎にサンプルをデータ圧縮部３に出力する。

この場合、最終フレームの不足分のサンプル数に比例して間延びさせる対象のフレーム数を決定することが望ましい。例えば、図５の表に示すように、不足サンプル数に応じて間延び処理対象のフレーム数を決定すれば、もとの波形に近い形にできるため原曲との変化を少なくすることができる。

さらに、符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分に、直前のデータ列を満たなかったサンプル数分付加した後、符号化を行うこともできる。図６（ａ）はこのように、ｎサンプルに満たなかった部分に、直前のデータ列を満たなかったサンプル数分付加した場合のデータ列を示す図であり、１曲目の終端部のフレームが５サンプル分不足している場合、制御部１０の制御によりデータ処理部２が寸前の５サンプル分のＰＣＭデータ列を最終フレームの終端部に追加することにより、５サンプル分のＰＣＭデータ列をコピーして一曲としてデータ圧縮部３に出力する。

また、図６（ｂ）に示すように、ｎサンプルに満たなかった部分に、満たなかったサンプル数分、寸前のＰＣＭデータ列を時間軸に対して反転してコピーすることもでき、この場合には、制御部１０の制御によりデータ処理部２が寸前の５サンプル分のＰＣＭデータ列を時間軸に対して反転して最終フレームの終端部に追加して一曲としてデータ圧縮部３に出力する。
さらには、図６（ｃ）に示すように、ｎサンプルに満たなかった部分に、満たなかったサンプル数分、寸前のＰＣＭデータ列を時間軸に対して反転し更に符号を逆転してコピーすることもでき、この場合、制御部１０の制御によりデータ処理部２が寸前の５サンプル分のＰＣＭデータ列を時間軸に対して反転し、更に符号を逆転して最終フレームの終端部に追加して一曲としてデータ圧縮部３に出力する。

また、ｎサンプルに満たなかった部分に固定的な音データ挿入して最終フレームのサンプル数をｎにすることもできる。
図７はこのように、ｎサンプルに満たなかった部分に固定的な音データ挿入して最終フレームのサンプル数をｎにする場合のデータ波形を示す図であり、この場合、制御部１０の制御により、データ処理部２はこのデータ処理部２に予め記憶されている固定的な音データ、例えば、固定振幅の正弦波をｎサンプルに満たなかった部分に挿入し、最終フレームとしてデータ圧縮部３に入力する。

以上のように、楽曲の最終フレームがｎサンプルに満たなかった場合、種々の方法によってｎサンプルに満たなかった部分にデータを追加することにより、無音データとなることを防止することができ、複数の楽曲間の無音の出力を削除或いは軽減し、自然に聞こえるようにすることができる。
なお、図６、図７に示すように、不足部分に原曲とは異なるデータを挿入すると、原曲と聞こえ方が変わる可能性があるが、この期間は数１０ｍｓであり、実用上問題となることはない。

上記の実施例では、データ処理部の出力を入力するデータ圧縮部としてサブバンド分析フィルタバンク、スケールファクタ抽出・正規化部、心理聴覚分析部、ビット割当部、量子化部及びビットストリーム生成部よりなるデータ圧縮部を用いたが、データ圧縮部としては様々なものがあり、どのようなデータ圧縮部でも本発明のオーディオデータ圧縮方法を適用することができる。

本発明のオーディオデータ圧縮方法を適用するデータ圧縮回路のブロック図である。 次の曲の先頭部分のデータ列を挿入するデータ処理を行う場合のデータ列を示す図である。 ｎサンプルに満たなかったフレームを削除して符号化を行う場合のデータ列を示す図である。 過去の波形を間延びさせて符号化を行う例を示す波形図である。 不足サンプル数に応じた間延び処理対象のフレーム数を示す表である。 直前のデータ列を満たなかったサンプル数分付加する場合のデータ列を示す図である。 ｎサンプルに満たなかった部分に固定的な音データ挿入する場合のデータ波形を示す図である。

符号の説明

１ ＰＣＭデータ記憶バッファ
２ データ処理部
３ データ圧縮部
４ サブバンド分析フィルタバンク
５ スケールファクタ抽出・正規化部
６ 心理聴覚分析部
７ ビット割当部
８ 量子化部
９ ビットストリーム生成部
１０ 制御部

Claims (10)

1. デジタルオーディオデータをｎサンプルのフレーム単位ごとに符号化するオーディオデータ圧縮方法において、
   符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分に次の曲の先頭部分のデータ列を挿入して符号化を行うことを特徴とするオーディオデータ圧縮方法。
2. 請求項１に記載のオーディオデータ圧縮方法において、
   次の曲を符号化する際に、ｎサンプルに満たなかった部分に挿入したデータ列を次の曲から削除して符号化を行うことを特徴とするオーディオデータ圧縮方法。
3. デジタルオーディオデータをｎサンプルのフレーム単位ごとに符号化するオーディオデータ圧縮方法において、
   符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかったフレームを削除して符号化を行うことを特徴とするオーディオデータ圧縮方法。
4. 請求項３に記載のオーディオデータ圧縮方法において、
   次の曲を符号化する際に、削除したフレームに含まれるデータを次の曲の先頭部分に挿入して符号化を行うことを特徴とするオーディオデータ圧縮方法。
5. デジタルオーディオデータをｎサンプルのフレーム単位ごとに符号化するオーディオデータ圧縮方法において、
   符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分を補間できるように、過去の波形を間延びさせて符号化を行うことを特徴とするオーディオデータ圧縮方法。
6. 請求項５に記載のオーディオデータ圧縮方法において、
   ｎサンプルに満たなかったサンプル数に応じて間延びさせる対象の過去の波形の長さを変化させることを特徴とするオーディオデータ圧縮方法。
7. デジタルオーディオデータをｎサンプルのフレーム単位ごとに符号化するオーディオデータ圧縮方法において、
   符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分に、直前のデータ列を満たなかったサンプル数分付加した後、符号化を行うことを特徴とするオーディオデータ圧縮方法。
8. デジタルオーディオデータをｎサンプルのフレーム単位ごとに符号化するオーディオデータ圧縮方法において、
   符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分に、直前のデータ列を満たなかったサンプル数分、時間軸に対して反転して付加した後、符号化を行うことを特徴とするオーディオデータ圧縮方法。
9. デジタルオーディオデータをｎサンプルのフレーム単位ごとに符号化するオーディオデータ圧縮方法において、
   符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分に、直前のデータ列を満たなかったサンプル数分、時間軸に対して反転し、さらに、反転したデータ列の符号を逆転して付加した後、符号化を行うことを特徴とするオーディオデータ圧縮方法。
10. デジタルオーディオデータをｎサンプルのフレーム単位ごとに符号化するオーディオデータ圧縮方法において、
    符号化対象の曲の終端部がｎサンプルに満たない場合、ｎサンプルに満たなかった部分に、予め定まった音データを挿入した後、符号化を行うことを特徴とするオーディオデータ圧縮方法。