JP2006503323A - 位相の更新による正弦波オーディオコーディング - Google Patents

Abstract

複数の一連のセグメントのそれぞれについてサンプリングされた信号値からなるそれぞれのセットにより表されるオーディオ信号（ｘ）の符号化が開示される。サンプリングされた信号値は分析され（１３０）、複数の一連のセグメントのそれぞれについて、１以上の正弦波成分（ｆk，ｆk-1）を生成する。リンクされる正弦波成分（ｆk，ｆk-1）のトラックを有する正弦波コード（ＣＳ）が生成され（１３）、トラックにおける選択された正弦波成分の位相値を示す位相更新情報（Φk，Δk）が決定される。次いで、正弦波コード（ＣＳ）及び位相更新情報（Φk，Δk）を含む符号化されたオーディオストリーム（ＡＳ）が生成される。

Description

本発明は、オーディオ信号の符号化及び復号化に関する。

特に正弦波コーダであるパラメトリックコーディング方式は、国際特許出願WO00/79519-A1（PHN017502）及び2001年4月18日に提出された国際特許出願IB/02/01297（PHNL010252）に記載されている。このコーダでは、フレームのオーディオセグメントは、振幅、周波数及び位相パラメータにより表される多数の正弦波を使用した正弦波コーダによりモデル化される。あるセグメントの正弦波がひとたび推定されると、トラッキングアルゴリズムが開始される。このアルゴリズムは、セグメント毎に、正弦波を互いにリンクするのを試みる。連続するセグメントからの適切な正弦波による正弦波パラメータは、いわゆるトラックを得るためにリンクされる。リンクの基準は、２つの後続するセグメントの周波数に基づいているが、振幅及び／又は位相情報を使用することもできる。この情報は、リンクされるべき正弦波を決定するコスト関数で結合される。トラッキングアルゴリズムは、特定の時間の瞬間で開始し、複数の時間セグメントにわたる所定の時間量について進化し、次いで停止する正弦波トラックとなる。

かかる従来技術のコーダの実際の実現では、正弦波トラックについて、所期位相のみがコーダにより送信され、デコーダでは、正弦波トラックにおける連続する正弦波位相は、発生する正弦波の位相及び中間の正弦波の周波数から計算される。したがって、たとえば、トラックにおける正弦波ｋの連続する位相
（外２）

は、以下のように計算することができる。

ここで、Ｌは典型的に１０ｍｓのオーダである周波数での更新間隔（秒）、ｆk及びｆk-1は、フレームｋ及びｋ−１のそれぞれの量子化周波数（rad/s）である。関数modは、−πとπとの間の間隔にマッピングするモジュロ演算を表している。さらに、初期位相（ｋ＝１）は、
（外３）

であり、φ1は、トラックにおいて発生する正弦波の測定及び量子化された位相である。他の位相連続関数は、2001年10月26日に提出された欧州特許出願01204062.2（PHNL010787）で示されており、ワープファクタがコーダにより決定され、リンキングトラックで使用され、連続位相の計算においてデコーダでも使用される。

しかしながら、特に長いトラックについて、連続位相
（外４）

は、測定された位相から互いに似ていない程度にまではずれる可能性がある。このずれは、周波数の推定、周波数の量子化、及び初期位相並びに位相の線形連続における不正確さにより導入することができる。個々の正弦波トラックについて、このずれは聞き取れない場合がある。しかし、自然の音声では、正弦波トラック間の位相の関係は重要である。かかるように、トラック間の位相同期のロスは、ダブルスピーカ作用、メタリックサウンド等のアーチファクトを導入することができる。

図４には、トラック間の位相同期のロスが定量的に例示されている。この図では、上段のトレースは、ドイツ人男性の話者により発生された波形の一部を示している。中段のトレースは、従来のエンコーダ／デコーダを使用して発生された対応する正弦波信号の波形を示しており、及び下段のトレースは、原信号と正弦波信号との間の差を示している。エラー信号から分かるように、正弦波信号は、原信号に一致していない。

本発明は、上記問題を緩和することを試みる。
本発明によれば、請求項１に係る方法が提供される。

従来技術では、特に、連続位相の情報のみで復号化された長いトラックのケースでは、連続位相とオリジナルで測定された位相との間のずれは大きい。本発明に係る位相の更新方法は、連続位相で符号化及び復号化されたトラックにより導入されるアーチファクトを大いに除くものである。

本発明の好適な実施の形態である図１では、エンコーダは、WO 01/69593-A1 (PH-NL000120)に記載されるタイプの正弦波コーダである。このコーダ及びその対応するデコーダの動作は、良好に記載されており、本発明に関連する箇所のみについて本実施の形態で説明される。

先のケース及び好適な実施の形態の両者において、オーディオコーダ１は、所定のサンプリング周波数で入力オーディオ信号をサンプリングし、オーディオ信号のデジタル表現ｘ（ｔ）を得る。次いで、コーダ１は、サンプリングされた入力信号を、過渡信号成分、保持された決定論的成分、及び保持された統計的な成分といった３つの成分に分離する。オーディオコーダ１は、過渡コーダ１１、正弦波コーダ１３及び雑音コーダ１４を有している。オーディオコーダは、利得圧縮メカニズム（ＧＣ）１２を任意に有している。

過渡コーダ１１は、過渡検出器（ＴＤ）１１０、過渡分析器（ＴＡ）１１１及び過渡合成器（ＴＳ）１１２を有している。はじめに、信号ｘ（ｔ）は、過渡検出器１１０に入力する。この検出器１１０は、過渡信号成分が存在するか、及びその位置を評価する。この情報は、過渡分析器１１１に供給される。過渡信号成分の位置が決定された場合、過渡分析器１１１は、過渡信号成分（の主要な部分）を抽出するのを試みる。過渡分析器１１１は、形状関数を、好ましくは評価された開始位置で開始する信号セグメントに整合させ、たとえば、多数（少数）の正弦波成分を使用することで、形状関数の底にあるコンテンツを決定する。この情報は、過渡コードＣＴに含まれており、過渡コードＣＴを生成することに関する更に詳細な情報は、WO01/69593-A1に提供されている。

過渡コードＣＴは、過渡合成器１１２に供給される。合成された過渡信号成分は、減算器１６において入力信号ｘ（ｔ）から減算され、信号ｘ１が得られる。ＧＣ１２が省略されるケースでは、ｘ１＝ｘ２である。

信号ｘ２は、正弦波コーダ１３に供給され、この正弦波コーダでは、信号ｘ２は、正弦波分析器（ＳＡ）１３０で分析され、この正弦波分析器１３０は、（決定論的な）正弦波成分を決定する。したがって、過渡分析器の存在が望まれるが、必ずしも必要ではなく、本発明は、かかる分析器なしで実現することができることが分かるであろう。いずれのケースであっても、正弦波符号化の終わりの結果は、正弦波コードＣＳであって、例示的な正弦波コードＣＳの従来の発生を例示する更に詳細な例は、国際特許出願WO00/79519-A1（PHN017502）に提供される。

要するに、かかる正弦波コーダは、あるフレームセグメントから次のフレームセグメントにリンクされる正弦波成分のトラックとして入力信号ｘ２を符号化する。正弦波コーダで発生された正弦波コードＣＳから、正弦波信号成分は、正弦波合成器（ＳＳ）１３１により再構成される。この信号は、入力ｘ２から正弦波コーダ１３への減算器１７で減算され、（大きな）過渡信号成分及び（主要な）決定論的な正弦波成分が欠けている残りの信号ｘ３が得られる。

トラックは、所与のセグメント、起源で開始する正弦波の開始周波数、開始振幅及び開始位相で最初に表される。2002年7月8日に提出された欧州特許出願02077727.2号（PHNL020598）に開示されているように、開始位相は、非常に短いトラックについて低下される場合がある。かかるケースでは、デコーダは、短いトラックの開始セグメントを合成するとき、ランダムな開始位相を使用する。

いずれのケースにおいても、起源の後、トラックは、トラックが終了するセグメント（消滅）まで、周波数差及び振幅差（連続）により後続するセグメントで表される。従来のエンコーダの実際の実現では、長いトラック又は短いトラックについて、位相情報は、連続について全く符号化されず、位相情報は、連続位相の再構成を使用して再生される。これは、位相情報の伝送がビットレートを大幅に増加するために行われる。

本発明によれば、信号を分析するとき、正弦波分析器１３０により測定された位相（φk）と、信号を合成するとき、エンコーダの合成器１３１と対応するデコーダの合成器３２の両者により生成された連続位相
（外５）

との間の違いを制限するため、トラックにおける各ｎ番目のフレームについて、正弦波分析器１３０は、位相の更新を生成する。好適な実施の形態では、ｎは４である。（トラックがｎフレームよりも短いとき、位相の更新が適用されず、最初の位相のみが送信される場合がある）したがって、合成器１３１，３２では、位相は、これらｎフレーム内でずれるだけであり、その後、位相は再び回復される。

第一の実施の形態では、トラックのライフの間、分析器１３０は、測定された位相（φk）を周期的に量子化し、この値を正弦波コード（ＣＳ）に含める。典型的には、位相は、５ビットを使用して正確及び一様に量子化することができる。位相の更新は、デコーダに送信されるべき付加的な情報を必要とすることが認められている。典型的なテスト信号（オーディオ及び音声）のセットについて、ｎ＝４について位相の更新をもつビットレートは、２４ｋｂｉｔ／ｓの正弦波コーダについて１〜３ｋｂｉｔ／ｓにより、引用に依存して増加する。

位相の更新をデコーダに送信するための幾つかの方法が存在する。第一の実施の形態では、測定された位相は、トラックにおける第一の正弦波の位相を決定するために使用されたのと同じやり方で量子化される。位相の更新が、すなわちｎフレーム毎に生じる正弦波について、この量子化された位相（φk）が送信される。

位相の更新をエンコーダに送信するための第二の方法は、それぞれの更新ポイントについて位相差を量子化することである。したがって、測定された位相と連続位相との間の差は、Δkにより示され、以下により計算される。

ここで、
（外６）

は式１により定義され、ｋはトラックにおけるフレーム番号であり、φkは量子化された位相を表している。たとえば、差Δkは、ｋ−１がｎの倍数であるときに計算される。ｎ＝４について、これは、位相の更新がフレーム１，５，９について起こることを意味し、位相差Δkは、デコーダに送信される。

図６では、ドイツ人男性の話者について第二の実施の形態に関する分布Δが示されている。Δ値の小さな範囲の回りの尖った分布のため、第一の実施の形態と同じ精度を提供するため、更新当たり５ビットよりも少ないビット数が使用されるように、非一様の量子化（エントロピー符号化）が適用される。さらに、適応差分パルス符号変調（ＰＣＭ）で使用される方法に類似した量子化方法を使用することができる。ＡＤＰＣＭでは、それぞれのサンプリングポイントでの絶対測定値を符号化する代わりに、サンプル間の差を符号化し、振幅及び周波数における変動を補正するために符号化スケールを動的に切替えることができる。したがって、本ケースでは、（位相の連続に基づいた）適応予測器を使用して、位相又は位相差の量子化スケールを変えることができる。また、ｎにより示される位相の更新レートは、周波数に依存させることができる。高い周波数について、より高い位相の更新（より小さなｎ）は、より低い周波数（より高いｎ）についてよりも使用することができる。

いずれのケースであっても、位相の更新を考慮することを含む正弦波分析後に残されている信号ｘ３は、主に雑音を含んでいることが仮定され、好適な実施の形態の雑音分析器１４は、たとえば、国際特許出願WO01/89086-A1（PHNL000287）に記載されるように、この雑音を表す雑音コードＣＮを生成する。さらに、かかるアナライザの使用は、本発明を実現するために本質的ではないが、かかる使用にとって相補的でもない。

最後に、マルチプレクサ１５では、オーディオストリームＡＳが構成され、コードＣＴ，ＣＳ及びＣＮを含んでいる。オーディオストリームＡＳは、たとえば、データバス、アンテナシステム、ストレージメディア等に供給される。

図２は、本発明に係るオーディオプレーヤ３を示している。たとえば、図１に係るエンコーダにより生成されたオーディオストリームＡＳ’は、データバス、アンテナシステム、記憶媒体等から得られる。オーディオストリームＡＳは、コードＣＴ，ＣＳ及びＣＮを得るためにデマルチプレクサ３０で分離される。これらのコードは、過渡合成器３１、正弦波合成器３２及び雑音合成器３３にそれぞれ供給される。過渡コードＣＴから、過渡信号成分は、過渡合成器３１で計算される。過渡コードが形状関数を示すケースでは、形状は、受信されたパラメータに基づいて計算される。さらに、形状のコンテンツは、正弦波成分の周波数及び振幅に基づいて計算される。過渡コードＣＴがステップを示す場合、過渡は計算されない。全体の過渡信号ｙＴは、全ての過渡の合計である。

正弦波コードＣＳは、所与のセグメントに関する正弦波の合計として記載される、信号ｙＳを発生するために使用される。従来のデコーダでは、周波数をデコードするため、正弦波トラックにおける正弦波の連続位相は、発生する正弦波の位相及び中間の正弦波の周波数にのみから計算される。

好適な実施の形態のデコーダでは、送信された量子化位相φkは、位相差Δkを計算するために使用されるか、位相差Δkは、ビットストリームから直接的に導出される。

好適な実施の形態の合成器１３１，３２は、「位相ジャンプ」の可能性をも考慮する。位相ジャンプは、あるトラック内の２つの連続する位相間の差が大きい場合に生じる。これは、クリックのようなアーチファクトを招く可能性がある。したがって、好適な実施の形態では、合成器１３１，３２は、ｎフレームにわたり測定された位相と連続位相との間の差を広げ、このケースでは、正弦波当たり小さな位相補正のみが行われ、大きな位相ジャンプが回避される。

したがって、Δkは、現在のフレーム及びｎ−１の先行するフレームにわたり広がる。このことは、たとえば、線形な方法で行うことができる。

ここでＫ−ｎ＜ｋ≦Ｋであり、Ｋは位相の更新が行われるトラックにおけるフレーム数である。他の方法も可能である。たとえば、以下に示される。

ここでＫ−ｎ＜ｋ≦Ｋである。このケースでは、位相更新ポイントに近い正弦波に対して、より多くの位相補正が適用される。

このように、本発明の好適な実施の形態に係る信号の正弦波成分を合成するとき、位相を更新するために必要とされる式４又は式５のいずれかから補間された位相差Δ’を考慮することで、連続位相が計算される。

通常ベースで位相を更新すること及びトラックにおける正弦波を通して位相差を補間することで、位相更新（ここではｎ＝４）での原信号と正弦波信号との間での整合が改善される。このことは、図５に示されており、原信号（上段）と正弦波信号（中段）との間のエラー信号（下段のトレース）は、図４に比較して非常に低減される。

同時に、信号の正弦波成分が合成されたとき、雑音コードＣＮは、雑音合成器ＮＳ３３に供給され、この雑音合成器は、主に、雑音のスペクトルを近似した周波数応答を有するフィルタである。

全体の信号ｙ（ｔ）は、過渡信号ｙＴと振幅の伸張の積（ｇ）との合計、及び正弦波信号ｙＳと雑音信号ｙＮとの合計を含んでいる。オーディオプレーヤは、それぞれの信号を合計するための２つの加算器３６及び３７を有している。全体の信号は、たとえばスピーカである出力ユニット３５に供給される。

好適な実施の形態では、位相の更新は、更新の前に受信されたｎフレームに適用するものとして説明される。しかし、本発明は、更新が適用されるｎフレームの開始で位相更新情報を含むことに同様に適用可能である。このように、フレームの情報が受信されたときに式５に類似の式により位相を決定することもできる。

さらに、絶対位相値又は位相差が位相更新情報として送信されるべきであるかに関するインジケータを送信することを含めて、変形も可能である。類似の方式で、適応的な更新（変動するｎ）の使用は、ビットストリームで指示される。また、位相更新情報のみが特定の周波数レンジについて音質に利益を与えることが分かっているので、所定の周波数レンジについて、位相更新情報が供給されることをビットストリームで示すことが望まれる場合がある。

図３は、本発明に係るオーディオシステムを示しており、図１に示されるオーディオコーダ１及び図２に示されるオーディオプレーヤ３を有している。かかるシステムは、再生及び記録機能を提供する。オーディオシステムＡＳは、オーディオコーダからオーディオプレーヤに通信チャネル２を通して供給され、この通信チャネルは、ワイヤレスコネクション、データバス又は記憶媒体である場合がある。通信チャネル２が記憶媒体である場合、記憶媒体は、システムに固定されるか、取り外し可能なディスク、メモリスティック等である場合がある。通信チャネル２は、オーディオシステムの一部である場合があるが、しかし、オーディオシステムの外にあることがある。

本発明は、正弦波オーディオコーダで使用することができ、連続位相が使用される。かかるように、本発明は、かかるコーダが利用される場所であれば何処でも適用することができる。

先に説明された実施の形態は、本発明を限定するよりはむしろ例示するものであって、当業者であれば、多くの大体となる実施の形態を特許請求の範囲から逸脱することなしに設計することができる。請求項では、括弧間に位置される参照符号は、請求項を限定するものとして解釈されるべきではない。単語「有する」は、請求項に列挙された構成要素又はステップ以外の構成要素又はステップの存在を排除するものではない。本発明は、幾つかの本質的に異なる構成要素を有するハードウェアにより、適切にプログラムされたコンピュータにより実現することができる。幾つかの構成要素を列挙している装置の請求項では、幾つかのこれらの手段は、同一のアイテムのハードウェアにより実施することができる。所定の手段が相互に異なる従属の請求項で引用されるという事実は、これらの手段の組み合わせを利用のために使用することができることを示している。

本発明に係るオーディオコーダに実施の形態を示す図である。 本発明に係るオーディオプレーヤの実施の形態を示す図である。 本発明に係るオーディオコーダ及びオーディオプレーヤを有するシステムを示す図である。 オリジナル波形（上段）、該オリジナル波形に比較される従来技術のエンコーダ／デコーダで発生された連続位相をもつ正弦波信号（中段）及びエラー信号（下段）を示す図である。 オリジナル波形（上段）、該オリジナル波形に比較される本発明の好適な実施の形態に係るエンコーダ／デコーダで発生される位相更新による正弦波信号（中段）及びエラー信号（下段）を示す図である。 ドイツ人男性の話者の引用について位相差（Δ）の分布を示す図である。

Claims (18)

1. オーディオ信号を符号化する方法であって、
   複数の一連のセグメントのそれぞれについてサンプリングされた信号値からなるそれぞれのセットを供給するステップと、
   該複数の一連のセグメントのそれぞれについて１以上の正弦波成分を発生するため、該サンプリングされた信号値を分析するステップと、
   リンクされた正弦波成分からなるトラックを含む正弦波コードを発生するステップと、
   トラックにおいて選択された正弦波成分の位相値を示す位相更新情報を決定するステップと、
   該正弦波コード及び該位相更新情報を含む符号化されたオーディオストリームを生成するステップと、
   を含むことを特徴とする方法。
2. 該位相更新情報は、選択された正弦波成分の位相値を含む、
   請求項１記載の方法。
3. 該位相更新情報は、選択された正弦波成分の位相値と、トラックの該リンクされた正弦波成分を通して前の位相情報から外挿される該選択された正弦波成分の連続位相値との間の差を含む、
   請求項１記載の方法。
4. 該位相更新情報は、トラックにおけるｎセグメント毎に提供される、
   請求項１記載の方法。
5. 該ｎは４である、
   請求項４記載の方法。
6. 該リンクされた正弦波成分の周波数に従ってｎは変化する、
   請求項４記載の方法。
7. 該位相更新情報は、一様なスケール又は非一様なスケールのうちの１つに従って量子化される、
   請求項１記載の方法。
8. それぞれのトラックは、トラックの開始セグメントにおける正弦波成分の周波数、振幅及び位相、並びに該トラックの後続する連続セグメントにおけるそれぞれの正弦波成分の周波数差及び振幅差を含む、
   請求項１記載の方法。
9. 該正弦波コード及び該位相更新情報を使用して該正弦波成分を合成するステップと、
   該オーディオ信号の残りの成分を表す値からなるセットを提供するため、該サンプリングされた信号値から該合成された信号値を減算するステップと、
   該残りの成分を近似するパラメータを決定することで、該オーディオ信号の該残りの成分をモデル化するステップと、
   該パラメータを該オーディオストリームに含むステップと、
   を更に含む請求項１記載の方法。
10. 該サンプリングされた信号値は、過渡成分が除かれたオーディオ信号を表す、
    請求項１記載の方法。
11. オーディオストリームを復号化する方法であって、
    リンクされる正弦波成分のトラックを含む正弦波コードと、トラックにおいて選択された正弦波成分の位相値を示す位相更新情報を含む符号化されたオーディオストリームを読み取るステップと、
    トラックのリンクされた正弦波成分を通して前の位相情報から外挿された連続位相情報の関数として、複数の一連のセグメントにわたり正弦波成分を再構成することを含めて該オーディオ信号を合成するための該正弦波コードと、該位相更新情報とを利用するステップと、
    を含むことを特徴とする方法。
12. セグメントｋにおける該正弦波成分の位相は、
    

    

    に従って再構成され、Ｌは周波数の更新期間であり、
    （外１）
    

    

    は選択された正弦波成分の間で該位相更新情報から補間される、
    請求項１１記載の方法。
13. 

    であり、ｎは選択されたセグメント間でのセグメント数であり、Ｋ−ｎ＜ｋ≦Ｋであり、Ｋは位相更新情報が提供されるトラックにおける選択されたセグメント数であり、Δkは該選択された正弦波成分の測定された位相値と、トラックのリンクされた正弦波成分を通して前の位相情報から外挿された選択された正弦波成分の連続位相値との間の違いを含む、
    請求項１２記載の方法。
14. 該オーディオ信号の複数の一連のセグメントのそれぞれについてサンプリングされた信号値からなるそれぞれのセットを処理するために構成されるオーディオコーダであって、
    該複数の一連のセグメントのそれぞれについて１以上の正弦波成分を発生するため、該サンプリングされた信号値を分析するための分析器と、
    リンクされた正弦波成分のトラックを含む正弦波コードを生成するためのコンポーネントと、
    トラックにおいて選択された正弦波成分の位相値を示す位相更新情報を決定する手段と、
    該正弦波コード及び該位相更新情報を含む符号化されたオーディオストリームを生成するためのビットストリーム発生器と、
    を有することを特徴とするオーディオコーダ。
15. リンクされた正弦波成分のトラックを含む正弦波コードと、トラックにおいて選択された正弦波成分の位相値を示す位相更新情報とを有する符号化されたオーディオストリームを読み取るための手段と、
    トラックのリンクされた正弦波成分を通して前の位相情報から外挿された連続位相情報の関数として、複数の一連のセグメントにわたり正弦波成分を再構成することを含めて、該オーディオ信号を合成するための該正弦波コードと、該位相更新情報とを利用するために構成される合成器と、
    を有することを特徴とするオーディオプレーヤ。
16. 請求項１４記載のオーディオコーダ及び請求項１５記載のオーディオプレーヤを有することを特徴とするオーディオシステム。
17. 少なくともオーディオ信号の成分を表す正弦波コードを有するオーディオストリームであって、
    該正弦波コードは、リンクされた正弦波成分のトラックと、トラックにおいて選択された正弦波成分の位相値を示す位相更新情報を含む、
    ことを特徴とするオーディオストリーム。
18. 請求項１７記載のオーディオストリームが記憶される記憶媒体。
    

Images