JP2006508394A - オーディオ信号の符号化 - Google Patents

Abstract

複数のシーケンシャルなセグメントの各々に対するサンプリングした信号値のそれぞれの組によって表わされるオーディオ信号の符号化を開示する。サンプリングした信号値を分析して（４０）、複数のシーケンシャルなセグメントの各々に対する１つ以上の正弦波成分を決定する。正弦波成分を複数のシーケンシャなセグメントにわたってリンクさせて（４２）、正弦波トラックとする。各正弦波トラックに対し、概して単調に変化する値からなる位相を決定し、且つ前記位相を表わす正弦波コードを含んでいる符号化したオーディオストリーム（γ）を生成する（４６）。

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。

先ず図１を参照してパラメトリック符号化スキーム、特にＰＣＴ特許出願のＷＯ０１/６９５９３号における正弦波コーダにつき説明する。このコーダでは、入力オーディオ信号x(t)を一般的に長さが２０msの数個の（重複）セグメント又はフレームに分ける。各セグメントは過渡、正弦波及びノイズの成分に分解される。（入力オーディオ信号からは高調波複素成分のような他の成分を取り出すこともできるが、これらの成分は本発明の目的に関連するものではない。）

正弦波分析器１３０では、各セグメントに対する信号x2を、振幅、周波数及び位相パラメータによって表わされる多数の正弦波を用いてモデル化する。この情報は通常、フーリエ変換（ＦＴ）を行うことにより分析インターバル用に抽出され、フーリエ変換は周波数と；各周波数に対する振幅と；各位相が範囲｛-π，π｝内にある各周波数に対する位相と；を含む前記インターバルのスペクトル表現を提供する。一旦或るセグメントに対する正弦波情報を推定したら、トラッキングアルゴリズムを開始する。このアルゴリズムはコスト関数を用いて、セグメント対セグメント基準で正弦波情報を互いにリンクさせて、所謂トラックを得る。従って、トラッキングアルゴリズムは、或る特定の時刻に開始して、複数の時間セグメントにわたる所定量の時間の間展開し、そして停止する正弦波トラックを含む正弦波コードＣ_Ｓを生成する。

このような正弦波符号化法では、通常エンコーダ内にて形成されるトラック用に周波数情報を伝送する。これは安価に行うことができる。その理由は、トラックの周波数は極めてゆっくり変化するものと定められ、従って、周波数情報は時間差分符号化により有効に伝送することができるからである。（一般に、振幅も時間とともに差分的に符号化することができる。）

周波数伝送に対比して、位相伝送は費用がかかると見做される。原理上、周波数が（ほぼ）一定である場合には、トラックセグメント指標の関数としての位相特性は（ほぼ）線形になる。しかしながら、位相情報を伝送する際には、その位相はフーリエ変換を行うので範囲{-π，π}内に制限される。この位相のモジュロ２π表現のために、位相の構造上のフレーム間関係が失われ、一見してホワイト確率変数(white stochastic variable)になると見て取れる。

しかしながら、位相は周波数を積分したものであるから、原理上、位相は伝送する必要がない。これは位相継続法(phase continuation)と称され、ビットレートを大いに低減させる。

位相継続法では、周波数だけを伝送し、デコーダにて位相と周波数との間の積分関係を活用することにより周波数データから位相を再生する。しかしながら、位相継続法を用いて位相を近似的にのみ再生し得ることは既知である。周波数の測定誤差のため、又は量子化ノイズのために周波数誤差が生じる場合には、積分関係を用いて再構成される位相は、例によってドリフト特性を有する誤差を呈することになる。これは、周波数誤差がほぼホワイトノイズ特性を有するからである。積分によって低周波誤差が増幅され、従ってこれにより再生される位相は、実際に測定した位相からそれる傾向にある。これが可聴アーチファクトをまねくことになる。

従って、位相継続法では、再生位相は低周波信号を積分したものであるから、再生位相は低周波信号そのものであることは明らかである。しかしながら、この再構成処理で導入されるノイズの優勢範囲も斯かる低周波範囲にある。従って、符号化中に導入されるノイズｎをフィルタリングする観点でこれらのソースを分離することは困難である。

本発明の目的はこのような問題を軽減することにある。

本発明によれば、請求項１に記載の方法が提供される。

以下添付図面を参照して本発明の好適実施例を説明するに、ここに、同様なコンポーネントには同様な参照番号を付して示してあり、これらはことわらない限り同様な機能を果たすものとする。本発明の好適実施例では、エンコーダ１はＰＣＴ特許出願ＷＯ０１/６９５９３号の図１に記載されているタイプの正弦波コーダとする。この従来のコーダ及びその対応するデコーダの動作については前記ＰＣＴ特許出願に詳しく記載されているので、ここでは本発明に関連することについてのみ説明する。

従来例及び本発明の好適実施例のいずれにおいても、オーディオコーダ１は、入力オーディオ信号を所定のサンプリング周波数でサンプリングして、オーディオ信号をデジタル表現x(t)にする。次いで、コーダ１はサンプリングした入力信号を３つの成分、即ち、過渡信号成分と、持続確定的成分と、持続確率的成分に分離する。オーディオコーダ１は過渡コーダ１１と、正弦波コーダ１３と、ノイズコーダ１４とを具えている。

過渡コーダ１１は過渡検出器（ＴＤ）１１０、過渡分析器（ＴＡ）１１１及び過渡シンセサイザ（ＴＳ）１１２を具えている。先ず、信号x(t)は過渡信号検出器１１０に入る。この検出器１１０は、過渡信号成分が存在するかどうか、及びその位置を推定する。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る場合に、過渡分析器１１１は過渡信号成分（の主要部）の抽出を試みる。過渡分析器は形状関数を、好ましくは推定した開始位置にて開始する信号セグメントに整合させ、その形状関数下の内容を、例えば（少数の）正弦波成分を用いることにより決定する。この情報は過渡コードＣ_Ｔに包含され、この過渡コードＣ_Ｔの生成についてはＰＣＴ特許出願ＷＯ０１/６９５９３号にもっと詳しく記載されている。

過渡コードＣ_Ｔは過渡シンセサイザ１１２に供給される。これにて合成された過渡信号成分は減算器１６にて入力信号x(t)から差し引かれて、信号x1になる。利得制御機構ＧＣ（１２）を用いて、信号x1から信号x2を発生させる。

信号x2は正弦波コーダ１３に供給され、ここで信号x2は正弦波分析器（ＳＡ）１３０にて分析され、この分析器は（確定的）正弦波成分を決定する。従って、過渡分析器の存在が所望されるも、それは必ずしも必要ではなく、本発明は斯様な分析器がなくても実施することができる。或いはまた、前述したように、本発明は例えば高調波複素分析器と共に実施することもできる。

要するに、正弦波コーダは入力信号x2を、1つのフレームセグメントから次のフレームセグメントにまでリンクされる正弦波成分のトラックとして符号化する。そこで、図３ａを参照するに、好適実施例でも従来と同じ方法で、入力信号x2の各セグメントをフーリエ変換（ＦＴ）ユニット４０にて周波数ドメインに変換する。各セグメントに対し、ＦＴユニットは、測定した振幅Ａ、位相φ及び周波数ωを提供する。前述したように、フーリエ変換によって供給される位相の範囲は-π≦φ＜πに制限される。トラッキングアルゴリズム（ＴＡ）ユニット４２は、各セグメントに対する情報を取り、且つ適当なコスト関数を用いることにより、或るセグメントから次のセグメントまでの正弦波をリンクさせて、各トラックに対する測定位相φ(ｋ)及び周波数ω(ｋ)を発生する。

従来技術とは異なり、本発明によれば、分析器１３０により最終的に発生される正弦波コードＣ_Sが位相情報を含み、且つこの位相情報から周波数をデコーダにて再構成する。

しかしながら、上述したように、測定位相はモジュロ２π表現に限定される。従って、好適実施例における分析器は位相アンラッパー（phase unwrapper）(ＰＵ)４４を具えており、これにてモジュロ２π位相表現をアンラップして、トラックに対する構成上のフレーム間位相特性ψを露呈させる。正弦波トラックにおける周波数はほぼ一定であるので、アンラップ位相ψが概して直線的に増加する（又は減少する）関数となり、これが安価な位相変換を可能にすることは明らかである。アンラップ位相ψは位相エンコーダ（ＰＥ）４６に入力として与えられ、このエンコーダは伝送するのに適した表現レベルγを出力として供給する。

次いで、上述したような位相アンラッパー４４の動作について言及するに、トラックに対する実位相ψ及び実周波数Ωは、T_０を基準時刻とすると、次式の関係にある。

フレームｋ＝K,K+1...K+L-1における正弦波トラックは、測定周波数ω(k)（ラジアン/秒で表わされる）と測定位相φ(k)（ラジアンにて表わされる）とを有する。フレームの中心間の距離はＵ（秒で表わされる更新速度）によって与えられる。測定周波数は、ω(k)＝Ω(ｋＵ)で想定した基礎となる連続時間周波数トラックのサンプルであると想定し、同様に、測定位相はφ(k)＝ψ(ｋＵ)mod(2π)に関連する連続時間位相トラックψのサンプルとする。正弦波符号化の場合、Ωはほぼ一定の関数である見做される。

周波数がセグメント等式１内でほぼ一定であると見做すことは、次のように近似させることができる。即ち、

従って、所与のセグメントに対する位相及び周波数と、次のセグメントに対する周波数とが分かれば、次のセグメントに対するアンラップされた位相値を推定でき、以下同様にしてトラックの各セグメントに対するそれぞれの位相値を推定し得ることは明らかである。

好適実施例では、位相アンラッパーによって瞬時ｋにおけるアンラップ係数m(k)を決定する。
ψ(kU)＝φ(k)+m(k)2π 式３

アンラップ係数m(k)は、アンラップ位相を得るために加えなければならないサイクル数を位相アンラッパー４４に命じる。

式２と式３を組み合わせて、位相アンラッパーによって増分アンラップ係数eを次のように決定する。
２πe(k)＝２π{m(k)-m(k-1)}＝{ω(k)+ω(k-1)}U/2-{φ(k)-φ(k-1)}
ここで、eは整数とすべきである。しかしながら、測定及びモデル化誤差のために、増分アンラップ係数は正確な整数にはならず、従って、モデル化及び測定誤差が小さいものとすれば、次のようになる。
e(k)＝round（[{ω(k)+ω(k-1)}U/2-{φ(k)-φ(k-1)}]/（２π））

増分アンラップ係数eを持つことにより、式３からのm(k)は累積和として算出され、この場合に、一般的な損失がなければ、位相アンラッパーはm(K)=0の第1フレームで開始し、且つm(k)とφ(k)とから（アンラップ）位相ψ（ｋＵ）を決定する。

実際上、サンプリングしたデータψ(ｋＵ)及びΩ(ｋＵ)は測定誤差によってゆがめられる。
φ(k)＝ψ(ｋＵ)+ε_１(k)，
ω(k)＝Ω(ｋＵ)+ε_２(k)
ここに、ε_１及びε_２はそれぞれ位相及び周波数誤差である。アンラップ係数の決定があいまいにならないようにするために、測定データは十分な精度で決定する必要がある。従って、好適実施例では、トラッキングを次のように制限する。
δ(k)＝e(k)-[{ω(k)+ω(k-1)}U/2-｛φ(k)-φ(k-1)｝]/(2π)＜δ_０
ここに、δは丸め演算における誤差である。この誤差δは、主としてＵでの乗算に因るωの誤差によって決定される。ωは、入力信号をサンプリング周波数Ｆ_ｓでサンプリングしたものからのフーリエ変換の絶対値の最高値により決定され、且つフーリエ変換の解は、分析サイズL_ａで2π/L_ａであるとする。当面の境界内の値にするためには、L_ａ/Ｕ＝δ_０にする。

このことは、アンラッピングを正確にするために、分析サイズを更新サイズよりも数倍大きくすべきであることを意味し、例えば、δ_０＝1/4に設定するには、分析サイズを（位相測定における誤差ε_Iを無視して）更新サイズの４倍にすべきであることを意味する。

丸め演算における判定誤差をなくすために採ることのできる第２の予防策は、トラックを適切に規定することである。トラッキングユニット４２では、例によって振幅及び周波数差を考慮することにより正弦波トラックを規定する。さらに、リンキング基準における位相情報を考慮することもできる。例えば、位相予測誤差εを次式、

従って、好ましくは、トラッキングユニット４２によって、εが所定値よりも大きい（例えば、ε＞π/2）トラックを禁止して、e(k)を明確に規定する。

さらに、エンコーダはデコーダにて利用し得るような位相及び周波数を算出することができる。デコーダにて利用できることになる位相又は周波数が、エンコーダに存在するような位相及び/又は周波数とあまりにも相違する場合には、トラックを中断させる判定をし、即ちトラックの終わりを知らせて、現行の周波数及び位相と、それらのリンクさせた正弦データとを用いて新規のトラックをスタートさせることができる。

位相アンラッパー（ＰＵ）４４によって発生されたサンプリングしたアンラップ位相ψ(ｋＵ)は位相エンコーダ（ＰＥ）４６に入力として供給され、表現レベルの組γを発生する。アンラップ位相の如き、おおむね単調に変化する特性を有効に伝送する技術は既知である。好適実施例の図３ｂでは、適応差分パルス符号変調（ＡＤＰＣＭ）を用いる。ここでは、予測器（ＰＦ）４８を用いて次のトラックセグメントの位相を推定して、その位相差だけを量子化器（Ｑ）５０にて符号化する。ψは単純化のためにほぼ線形関数にすることが期待されるから、予測器４８は、ｘを入力とし、ｙを出力とする場合に、次式の態様の二次フィルタとして選定する。
ｙ(k+1)＝2x(k)-x(k-1)
しかしながら、他の関数関係（高次の関係を含む）とし、且つフィルタ係数のアダプティブな（後方又は前方）適合を含めることもできることは明らかである。好適実施例では、量子化器５０の制御を簡単にするために、後方適応制御機構(ＱＣ)５２を用いる。前方適応制御を同様に用いることもできるが、余分のビットレートオーバヘッドを必要とする。

明らかなように、トラック用のエンコーダ（及びでコーダ）の初期化は、開始位相φ(０)と周波数ω(０)を認識して開始する。これらは別のメカニズムによって量子化され、且つ伝送される。さらに、エンコーダの量子化コントローラ５２及びデコーダにおける図５ｂの対応するコントローラ６２にて用いられる初期量子化ステップは、エンコーダ及びデコーダの双方に所定値を伝送したり、或いはこれらの双方にて所定値を設定したりする。最後に、トラックの終端は、別のサイドストリームにて知らせるか、又は位相のビットストリームにて独特のシンボルとして知らせることができる。

正弦波コーダで生成された正弦波コードＣ_Sからは、デコーダの正弦波シンセサイザ（ＳＳ）３２につき説明するのと同じ方法で、正弦波信号成分が正弦波シンセサイザ（ＳＳ）１３１により再構成される。この信号は減算器１７にて正弦波コーダ１３への入力x2から差し引かれ、残存信号x3が得られる。減算器１７によって発生された残存信号x3は、好適実施例のノイズ分析器１４に供給され、この分析器は、例えばPCT特許出願PCT/EP00/04599号に記載されているように、斯かるノイズを表わすノイズコードC_Nを発生する。

最後に、マルチプレクサ１５にて、それぞれのコードC_T、C_S及びC_Nを含むオーディオストリームＡＳを構成する。オーディオストリームＡＳは、例えばデータバス、アンテナ系、記憶媒体等に供給される。

図４は、例えば図１のエンコーダ１によって生成され、データバス、アンテナ系、記憶媒体等から得られるオーディオストリームＡＳ’を復号化するのに好適なオーディオプレーヤ３を示す。オーディオストリームＡＳ’は、コードC_T、C_S及びC_Nを得るためにデ-マルチプレクサ３０にて多重分離される。これらのコードは、過渡シンセサイザ３１、正弦波シンセサイザ３２及びノイズシンセサイザ３３にそれぞれ供給される。過渡コードC_Tからは過渡シンセサイザ３１にて過渡信号成分を算出する。過渡コードが形状関数を示す場合には、受信したパラメータに基づいて形状を算出する。さらに、正弦波成分の周波数及び振幅に基づいて形状内容を算出する。過渡コードC_Tがステップを示す場合には、過渡信号成分は算出されない。総合過渡信号ｙ_Tは全過渡信号の和である。

信号の正弦波成分を合成するのと同時に、ノイズコードＣ_ＮがノイズシンセサイザＮＳ３３に供給され、このシンセサイザは主として、ノイズのスペクトルに近似する周波数応答を有するフィルタとする。ＮＳ３３は、ノイズコードＣ_Ｎでホワイトノイズ信号をフィルタリングすることにより再構成ノイズｙ_Ｎを生成する。総信号y(t)は、正弦波信号ｙ_Sとノイズ信号ｙ_Nとの和と、任意の振幅減圧分（g）との積と、過渡信号ｙ_Tとの和からなる。この総信号は出力ユニット３５、例えばスピーカに供給される。

図６は、図１に示したようなオーディオコーダ１と、図４に示したようなオーディオプレーヤ３とを具えている本発明によるオーディオシステムを示す。このようなシステムは特定なものをプレイしたり、記録したりするのに供する。オーディオストリームＡＳは、オーディオコーダから通信チャネル２を介してオーディオプレーヤに供給され、この通信チャネルはワイヤレスのコネクション、データバス、又は記憶媒体とすることができる。通信チャネルを記憶媒体とする場合には、この記憶媒体をシステムに固定させることも、また取り外し可能なディスク、メモリスティックとすることもできる。通信チャネル２はオーディオシステムの一部とすることができるが、オーディオシステムの外部に設けることもよくある。

本発明の実施例を実践するオーディオコーダを示す図である。 ａ及びｂは、それぞれ従来システムにおける位相と周波数との関係及び本発明によるオーディオシステムにおける位相と周波数との関係を示した図である。 ａ及びｂは、図１のオーディオコーダにおける正弦波分析器の好適例及び該好適例における位相エンコーダの好適例をそれぞれ示す図である。 本発明の実施例を実践するオーディオプレーヤを示す図である。 ａ及びｂは、図４のオーディオプレーヤにおける正弦波シンセサイザの好適例及びこのシンセサイザにおける位相でコーダの好適例を示す図である。 本発明によるオーディオコーダ及びオーディオプレーヤを具えているシステムを示す図である。

Claims (16)

1. オーディオ信号を符号化する方法であって、
   複数のシーケンシャルなセグメントの各々に対して、サンプリングした信号値のそれぞれの組を用立てるステップと；
   前記サンプリングした信号値を分析して、複数のシーケンシャルなセグメントの各々に対する１つ以上の正弦波成分を決定するステップと；
   複数のシーケンシャルなセグメントにわたる正弦波成分をリンクさせて、正弦波トラックとするステップと；
   各正弦波トラックに対して、概して単調に変化する値を含んでいる位相を決定するステップと；
   前記位相を表わす正弦波コードを含んでいる符号化オーディオストリームを生成するオーディオストリーム生成ステップと；
   を具えているオーディオ信号符号化方法。
2. 各リンクしたセグメントの位相値が、先のセグメントに対する周波数と、前記リンクしたセグメントの周波数との積分と；先のセグメントの位相；との関数として決定される請求項１記載の方法。
3. 前記正弦波成分が、周波数値と；範囲{-π，π}内の位相値と；を含む請求項１記載の方法。
4. 前記オーディオストリーム生成ステップが、
   セグメントに対する位相値を、少なくとも先のセグメントに対する位相の関数として予測する予測ステップと；
   前記正弦波コードを前記位相に対して予測した値と、前記セグメントに対する測定位相との関数として量子化するステップと；
   を具えている請求項１記載の方法。
5. 各トラックに対する前記正弦波コードが初期の位相及び周波数を含み、且つ前記予測ステップが前記初期の位相及び周波数を用いて最初の予測を行う請求項４記載の方法。
6. 前記オーディオストリーム生成ステップが、前記量子化ステップを前記量子化正弦波コードの関数として制御するステップを具えている請求項４記載の方法。
7. 各トラックに対する前記正弦波コードが初期量子化ステップを含む請求項６記載の方法。
8. 前記正弦波コードがトラックの終端の標識を含む請求項１記載の方法。
9. 前記正弦波コードを用いて前記正弦波成分を合成するステップ；
   前記サンプリングした信号値から前記合成した信号値を差し引いて、前記オーディオ信号の残余成分を表わす値の組を供給するステップ；
   パラメータを決めることにより前記オーディオ信号の残余成分をモデル化し、前記残余成分を概算するステップ；及び
   前記パラメータを前記オーディオストリームに含めるステップ；
   も具えている請求項１記載の方法。
10. 前記サンプリングした信号値が、過渡成分を除去してあるオーディオ信号を表わす請求項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、
    リンクした正弦波成分の各トラックに対する位相を表わす正弦波コードを含んでいる符号化オーディオストリームを読取るステップと；
    各トラックに対し、前記位相を表わす前記正弦波コードからほぼ単調に変化する値を生成するステップと；
    前記生成した値をフィルタリングして、トラックに対する周波数を推定するフィルタリングステップと；
    前記生成値及び前記推定周波数値を用いて、前記オーディオ信号の前記正弦波成分を合成するステップと；
    を具えているオーディオストリーム復号化方法。
12. オーディオ信号の複数のシーケンシャルなセグメントの各々に対してサンプリングしたそれぞれの信号値の組を処理すべく配置したオーディオコーダであって、
    前記サンプリングしたそれぞれの信号値を分析して、前記複数のシーケンシャルなセグメントの各々に対する１つ以上の正弦波成分を決定するための分析器と；
    複数のシーケンシャルなセグメントにわたって正弦波成分をリンクして、正弦波トラックを提供するリンカーと；
    各正弦波トラックに対して、概して単調に変化する値からなる位相を決定するための位相アンラッパーと；
    前記位相を表わす正弦波コードを含む符号化オーディオストリームを供給する位相エンコーダと；
    を具えているオーディオコーダ。
13. リンクした正弦波成分の各トラックに対する位相を表わす正弦波コードを含んでいる符号化したオーディオストリームを読取る手段と；
    各トラックに対し、前記位相を表わす前記正弦波コードから概して単調に変化する値を決定するための位相アンラッパーと；
    前記単調に変化する値をフィルタリングして、トラックに対する周波数を推定するフィルタと；
    前記単調に変化する値及び前記周波数推定値を用いて、前記オーディオ信号の前記正弦波成分を合成すべく配置したシンセサイザと；
    を具えているオーディオプレーヤ。
14. 請求項１２記載のオーディオコーダ及び請求項１３記載のオーディオプレーヤを具えているオーディオシステム。
15. オーディオ信号のリンクした正弦波成分のトラックを表わす正弦波コードからなるオーディオストリームであって、前記コードが、リンクした正弦波成分の各トラックに対する位相に対応する概して単調に変化する値を表わす、オーディオストリーム。
16. 請求項１５記載のオーディオストリームが記憶された記憶媒体。

Images