JP2006510938A - 音声符号化における正弦波の選択 - Google Patents

音声符号化における正弦波の選択 Download PDF

Info

Publication number
JP2006510938A
JP2006510938A JP2004561746A JP2004561746A JP2006510938A JP 2006510938 A JP2006510938 A JP 2006510938A JP 2004561746 A JP2004561746 A JP 2004561746A JP 2004561746 A JP2004561746 A JP 2004561746A JP 2006510938 A JP2006510938 A JP 2006510938A
Authority
JP
Japan
Prior art keywords
sine wave
candidate
phase
frequency band
local frequency
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Withdrawn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
JP2004561746A
Other languages
English (en)
Inventor
ヘリットス，アンドレアス　イェー
ブリンケル，アルベルテュス セー デン
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of JP2006510938A publication Critical patent/JP2006510938A/ja
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • G10L19/04—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 predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/093—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters using sinusoidal excitation models

Abstract

音声信号（ｘ（ｔ））の少なくとも一部を複数の正弦波で表す（１２）ことによって前記音声信号を符号化（１）する方法であって、前記音声信号の第１セグメントに対して解析を行い、前記解析に基づいて候補正弦波を選択し、前記候補正弦波のうち少なくとも１つの候補正弦波について当該候補正弦波の周波数の周辺におけるローカル周波数帯域を定義し、前記ローカル周波数帯域における候補正弦波のうち少なくとも１つの候補正弦波を除外して前記ローカル周波数帯域における周波数成分の振幅を組み合わせ、前記振幅の組み合わせに基づいて前記候補正弦波を選択正弦波として選択する工程から構成されることを特徴とする方法。本発明による正弦波の選択により、所定の音質について符号化されるべき正弦波の数を低減することが可能であり、よって所定の音質に対応するビットレートに関して好適な効果が得られる。

Description

本発明は音声信号の符号化において音声信号の再生に関連するいくつかの正弦波が選択され、これらのパラメータが符号化される技術に関する。
正弦波音声符号器では、音声信号の少なくとも一部が複数の正弦波によって表される。これらの正弦波はそれぞれの周波数、振幅、及び随意に位相によって表される。符号化処理において、音声信号は時間セグメントに分割され、これらのセグメントはそれぞれの周波数成分に関して解析される。音声符号器において典型的に適用されるセグメントの大きさは５〜６０ｍｓの範囲内にある。そして各セグメントについていくつかの正弦波が選択され、これら各セグメントのパラメータが後に符号化される。ある音質に対するビットレートを最小化するためには、関連する正弦波だけを選択してこれらを符号化すればよい。すなわち符号化された音声信号を視覚上適切な音質で再生するのに必要とされる正弦波だけを選択して符号化すればよい。
非特許文献１にはピークピッキングと呼ばれる正弦波の選択法が開示される。ピークピッキング法は振幅スペクトルにおいてピークを有する周波数を選択する工程を含む。また非特許文献２にはマッチング追跡と呼ばれる逐次処理がまた別の正弦波の選択法として開示される。ここでは各逐次処理ステップで、振幅スペクトルにおいて最高のピークを有する周波数が選択され、その後音声信号から差し引かれる。そしてここで得られる残留信号が次の逐次処理ステップにおいて用いられる。このような処理は典型的には正弦波が一定の数だけ選択された時点で終了される。
ピークピッキング法では、全てのピークが選択されるため予めいくつの正弦波が推定されるかが把握できないという欠点がある。特に振幅スペクトルのノイズが大きい場合選択される正弦波の数が多すぎる場合がある。ピークピッキングに対してマッチング追跡法においては、選択される正弦波の数が一定である。よって関連する正弦波が全て選択されることを保証するためにこの一定の数は高く設定する必要がある。したがってこの方法でも多くの正弦波が選択されることとなる。多くの正弦波が選択されると、これら全ての正弦波が符号化される必要があるため高ビットレートとなる。また、処理コストが余計にかかるという欠点もある。例えば知覚モデリングは人間に認知可能な音声信号を符号化するための処理として多くの音声符号器に適用されているが、このモデリング処理の処理コストは高く、よって解析される正弦波が多いことは望まれない。
"Speech analysis/synthesis based on sinusoidal representation", R. McAulay and T. Quartieri, IEEE Transactions on Acoustics, Speech and Signal Processing, 1986, 43: 744-754. "Rate-distortion optimal sinusoidal modeling of audio and speech using psychoacoustical matching pursuits", R. Heusdens and S. van de Par, Proc. IEEE Int. Conf. Acoust. Speech and Signal Proc., Orlando (U.S.A.), 2002.
そこで本発明は、所定の音質に対応するビットレートに関して好適な音声符号化技術を提供することを目的とする。
この目的を達成するために本発明は本願中の独立請求項に記載される符号化方法、音声符号器、及び音声システムを提供する。なお、本発明の好適な実施形態は従属請求項に記載される。
本発明はその第１仕様において、音声信号の少なくとも一部を複数の正弦波で表すことによって前記音声信号を符号化する方法であって、前記音声信号の第１セグメントに対して解析を行い、前記解析に基づいて候補正弦波を選択し、前記候補正弦波のうち少なくとも１つの候補正弦波について当該候補正弦波の周波数の周辺におけるローカル周波数帯域を定義し、前記ローカル周波数帯域における候補正弦波のうち少なくとも１つの候補正弦波を除外して前記ローカル周波数帯域における周波数成分の振幅を組み合わせ、前記振幅の組み合わせに基づいて前記候補正弦波を選択正弦波として選択する工程から構成されることを特徴とする方法を提供する。なお、候補正弦波を選択するために実施される上記解析は通常周波数解析に相当する。このような周波数解析は例えばピークピッキングやマッチング追跡などの一般的な正弦波選択技術において適用される。この候補正弦波に対して適用される選択処理においては、音声信号の第２セグメントに対して解析が行われる。通常この第２セグメントは候補正弦波を選択する際に適用される第１セグメントと同等であるが、これに限定されない。前記ローカル周波数帯域における候補正弦波のうち少なくとも１つの候補正弦波を除外して前記ローカル周波数帯域における周波数成分の振幅を組み合わせることによって、前記ローカル周波数帯域における背景周波数成分に対する計測値が得られる。この計測値を適用することによってより好適な選択処理が実現可能である。そしてここで選択された正弦波のみが符号化される。したがってこのような選択処理を適用することによって所定の音質について符号化される正弦波の数を低減することが可能であり、所定の音質に対応するビットレートに関して好適な効果が得られる。
本発明の更なる実施形態によると、前記候補正弦波の周波数周辺におけるローカル周波数帯域の帯域幅は前記候補正弦波の周波数に依存する。前記候補正弦波の周波数へ依存することによって、前記選択処理は各種異なる周波数に応じて、適切にチューニングされることが可能である。
また、本発明の更なる実施形態によると、前記候補正弦波の周波数への依存性は人間の音声知覚能に基づく。このような依存性は例えばてバーク帯域幅によって定義される。バークとは周知の知覚周波数を示す単位である。他の周知例として、メルスケール（Mel scale）やＥＲＢスケールなどが挙げられる。人間の音声に対する知覚度を考慮することによって候補正弦波を選択正弦波として選択するに当たってより好適な選択が実現されうる。
本発明の一実施形態によると、前記候補正弦波の振幅が前記振幅の組み合わせに対して重要であるとされた場合当該候補正弦波は選択正弦波として選択され、前記重要性は前記候補正弦波のローカル周波数帯域における候補正弦波のうち少なくとも１つの候補正弦波が除外された前記ローカル周波数帯域における周波数成分の加重平均振幅と前記候補正弦波の振幅との差に対して閾値を設定することによって評価される。上記鎖に対して閾値を設定することによって候補正弦波のピーク特性を把握するのに適切な方法が実現されうる。
本発明の更なる実施形態によると、前記候補正弦波の振幅が前記振幅の組み合わせに対して重要であるとされた場合当該候補正弦波は選択正弦波として選択され、前記重要性は、前記候補正弦波のローカル周波数帯域における候補正弦波のうち少なくとも１つの候補正弦波が除外された前記ローカル周波数帯域における周波数成分の加重平均振幅と前記候補正弦波の振幅との差と、前記候補正弦波のローカル周波数帯域における候補正弦波のうち少なくとも１つの候補正弦波が除外された前記ローカル周波数帯域における周波数成分の振幅の加重偏差と、の比に対して閾値を設定することによって評価される。この偏差としては例えば標準偏差の定義が適用されうる。前記比に対して閾値を設定することによって候補正弦波のピーク特性を把握するのに適切な更なる方法が実現されうる。
また、本発明の更なる実施形態によると、前記選択正弦波に対して更なる選択処理を実行する工程を有し、前記更なる選択処理工程は、前記選択正弦波のうちの少なくとも１つの選択正弦波について、所定の時点における当該選択正弦波の位相が別の時点における当該選択正弦波の位相から予測されうる程度として定義される前記選択正弦波の位相一貫性を確定し、前記選択正弦波の位相一貫性が所定の閾値を上回る場合、前記選択正弦波を更に厳選された正弦波として選択する工程から構成される。ある時点における選択正弦波の位相はまた別の時点における当該選択正弦波の位相から予測可能である。これはこの選択正弦波の周波数及び位相の予測時点と確定時点との時間差が知られているためである。本発明は、符号化音声信号を再生するために正弦波が復号器において合成される際これら正弦波の位相が一貫しているという実態に基づく。したがって符号化される正弦波として位相が一貫する正弦波を選択することによってより適切な選択が実現されうる。この更なる選択処理は正弦波の位相に基づくものであり、これはその振幅とは独立している。したがってこの更なる選択により前回の選択処理によって選択された選択正弦波から更に厳選された正弦波が選択され、これらの更に厳選された正弦波のみが符号化されることとなる。よって所定の音質について符号化される正弦波の数が更に低減され、所定の音質に対応するビットレートに関して好適な効果が得られる。また、振幅に基づく異選択処理と位相一貫性に基づく更なる選択処理との間の独立性により、これらの処理を並行に行うことも可能である。この場合、各々の選択処理において候補正弦波から選択正弦波が選択され、その後これらの処理結果が組み合わせられる。
また、本発明の更なら実施形態によると、前記選択正弦波の位相一貫性の確定工程は、前記音声信号の第３セグメントを少なくとも第１部分と第２部分とに分割し、少なくとも前記第１部分及び前記第２部分において前記選択正弦波の実質位相を確定し、前記第１部分における実質位相を前記第２部分の実質位相を予測するための入力として用いて、前記第２部分の実質位相と予測位相との差による予測エラーに基づいて前記選択正弦波の位相一貫性を確定する工程から構成される。通常第３セグメントは前回の選択処理において適用される第２セグメントと同等であるが、本発明はこのような場合に限定されることはない。本実施形態の利点としては、例えばＦＦＴ処理などの周波数解析を実施することによって選択正弦波の実質位相が容易に把握されうる。なお、この解析は入力として音声信号の一部を要する。
本発明の上記又は他の仕様は、限定的ではない例として挙げられる本発明の実施例の説明によって明らかになるであろう。
図１は本発明の一実施例による音声符号器１を示す。図示される音声符号器１は入力信号ｘ（ｔ）を得るための入力部１０を有する。この音声符号器１は入力信号を３つの成分、すなわち過渡信号成分と、正弦波信号成分と、ノイズ信号成分とに分ける。また、音声符号器１は過渡符号器１１、正弦波符号器１２、及びノイズ解析器１３を有する。
過渡符号器１１は過渡検出器（ＴＤ）１１０、過渡解析器（ＴＡ）１１１、及び過渡合成器（ＴＳ）１１２を有する。まず、信号ｘ（ｔ）は過渡検出器１１０、過渡解析器１１１、及び減算器１５に入力される。過渡検出器１１０は過と信号成分の存在の有無、及びその位置を検出する。この情報は過渡解析器１１１に供給される。また、この情報は好適な信号誘発セグメント分割を実現するために正弦波解析器（ＳＡ）１２０又はノイズ解析器（ＮＡ）１３においても適用されうる。過渡解析器１１１は過渡信号成分（この主要部分）の抽出を図る。これは例えば形状関数と信号セグメントとを一致させてこの形状関数下のコンテンツ（例えばいくつかの（少数の）正弦波など）を把握することによって実現されうる。この情報は過渡符号ＣＴに含まれる。この過渡符号ＣＴは過渡合成器１１２及びマルチプレクサ１４に供給される。合成された過渡信号成分は減算器１５において入力信号ｘ（ｔ）から減算され、これにより信号ｘ１が得られる。この信号ｘ１は正弦波解析器１２０及び更なる減算器１６に供給される。正弦波解析器１２０は正弦波信号成分を把握する。この情報は正弦波符号ＣＳに含まれて正弦波合成器１２１及びマルチプレクサ１４に供給される。正弦波合成器１２１によって正弦波符号ＣＳから正弦波成分が再構築される。この合成信号は減算器１６において入力信号ｘ１から減算される。ここから得られた残留信号ｘ２は（大きな）過渡信号成分及び（主要な）正弦波信号成分を除かれた信号であるため、主にノイズから構成される信号に相当する。この信号ｘ２はノイズ解析器１３に供給され、ここでそのスペクトル及び時間的エンベロープについて解析される。この情報はノイズ符号ＣＮに含まれる。マルチプレクサ１４では、符号ＣＴ、ＣＳ、及びＣＮから構成される音声ストリームＡＳが生成される。この音声ストリームＡＳは例えばデータバス、アンテナシステム、又は記憶媒体などに供給される。
以下において本発明の一実施例による正弦波解析器１２０における正弦波の選択について説明する。なお、この正弦波の選択処理は過渡解析器１１１においても適用されうるが、ここでは解析される正弦波の数が少ないため実際にこの選択処理が
過渡解析器１１１で適用される事例は少ない。
実際に正弦波の選択が行われる前に、まずいくつかの正弦波の候補が選択される。音声信号の第１セグメントに対して解析が行われ、ここから解析対象候補の正弦波が選択される。この選択では例えばピークピッキングやマッチング追跡などの周知の技術によってこの第１セグメントに対して周波数解析が行われる。この結果いくつかの正弦波の候補が得られ、これらに対して更に厳密な正弦波の選択処理が行われる。図２は本発明による正弦波の候補に対して適用される選択処理手順を示すブロック図である。これら正弦波の候補の周波数はＦｑ＝（ｆ１，ｆ２，…，ｆＲ）に記憶される。ここでＲは正弦波の候補の数を表し、周波数ｆｉはヘルツ（Ｈｚ）単位で表される。音声信号の第２セグメントは周波数解析に適するようにウィンドウィングされることができ、これによってウィンドウ・セグメントｘｗが得られる。なお、第２セグメントは通常正弦波の候補の選択に適用される第１セグメントと同等であるが、第２セグメントとして第１セグメントとは異なるものが採用されることも可能である。ここではまず予備処理段階（ＰＰ）が実施される。（Ｉ）の工程でＦｑにおける各周波数ｆｉについて、正弦波の候補が合成され、ウィンドウ・セグメントｘｗから減算されセグメントｘｗｓが得られる。（ＩＩ）の工程において、このセグメントｘｗｓは長さＰにゼロパッド処理され、例えばＦＦＴ処理などによってその周波数成分について解析される。なお、これによって得られる振幅スペクトルを｜ＸＳ｜とする。次に、工程（ＩＩＩ）でセグメントｘｗが長さＰにゼロパッド処理され、周波数を減算することなくその周波数成分について解析され、これによって振幅スペクトル｜Ｘ｜が得られる。このような予備処理段階の後、工程（ＩＶ）によってＦｑのうちの周波数ｆｉを有する少なくとも１つの選択された正弦波に対して選択処理が行われる。工程（Ｖ）においてこの周波数ｆｉ周辺のローカル周波数帯域が確定される。このローカル周波数帯域の定義としては様々なものが適用されうるが、この例では、以下に示されるような臨界周波数によって定義される帯域幅バーク帯域を適用する。
Figure 2006510938
 ヘルツ（Ｈｚ）単位で表される臨界周波数帯域ｂ（ｆｉ）から、以下の式によって境界周波数ｆａ及びｆｂが確定される。
Figure 2006510938
 このスペクトルは周波数ｆｓｐｅｃｔに関して０から（Ｐ−１）にわたる範囲においてインデックスｉｓｐｅｃｔによって以下のような式に基づいてインデックスされる。
Figure 2006510938
 ここでＦＳはサンプリング周波数（例えば４４．１ｋＨｚ）に相当する。よってスペクトルにおける境界周波数ｆａ及びｆｂに対応するインデックスｉａ及びｉｂは以下の式によって確定される。
Figure 2006510938
 ここでｒｏｕｎｄ（ｒ）はｒを整数に四捨五入することを表す。このようにしてローカル周波数が定義されると、工程（ＶＩ）において正弦波の候補の周波数帯域の平均振幅
（外１）
Figure 2006510938
を以下の式を用いて｜ＸＳ｜から算出する。
Figure 2006510938
 ここでＡｓ（ｋ）はスペクトル｜ＸＳ｜におけるインデックスｋに対応する周波数成分の振幅を表し、Ｗ１（ｋ）はインデックスｋに依存する加重係数を表す。なお、加重係数は全てのｋについて一定でありうる。また、重み係数は例えば境界効果を回避するために対応インデックスｋが境界周波数インデックスｉａ又はｉｂのいずれかに接近するにつれて減少するように設定されることも可能である。したがって正弦波の候補を選択正弦波として選択する方法では、式（５）から算出される候補正弦波の周波数帯域の加重平均振幅
（外２）
Figure 2006510938
及び候補正弦波の振幅
Figure 2006510938
 に基づく選択基準が適用される。ここで振幅スペクトルにおけるインデックス
（外３）
Figure 2006510938
は以下の式によって求められる。
Figure 2006510938
 本発明における一実施形態によると、選択処理において適用される選択基準は更に候補正弦波のローカル周波数帯域の標準偏差σｉをも考慮する。この標準偏差σｉは工程（ＶＩ）において以下の式から算出されうる。
Figure 2006510938
 ここにおいてＷ２（ｋ）はインデックスｋに依存する更なる加重係数を表す。なお、この更なる加重係数は全てのｋについて一定でありうる。また、加重係数は例えば境界効果を回避するために対応インデックスｋが境界周波数インデックスｉａ又はｉｂのいずれかに接近するにつれて減少するように設定されることも可能である。また、Ｗ２（ｋ）として式（５）において適用されるＷ１（ｋ）と同じ値が選択されうるが、このような場合に限定されることはない。候補正弦波の振幅Ａｉ、平均振幅
（外４）
Figure 2006510938
及び候補正弦波の周波数帯域の標準偏差σｉから以下のような式により候補正弦波のピーク特性を表す測定値としての比ｒｉが確定されうる。
Figure 2006510938
 選択基準（ＶＩＩＩ）においてこの比ｒｉは閾値Ｔｉと比較される。この閾値Ｔｉは固定の閾値あるいは候補正弦波の周波数ｆｉ、周波数スペクトルにおける周波数のインデックス
（外５）
Figure 2006510938
及び／又は周波数解析において適用されるサンプル数Ｐなどの所定のパラメータに依存する閾値に相当しうる。以下において閾値Ｔｉの定義の一例を示す。
Figure 2006510938
 ここで比ｒｉが閾値Ｔｉを上回る場合、候補正弦波の周波数ｆｉは符号化対象の周波数として保持される（Ｓ）。これ以外の場合候補正弦波は拒絶される。
また本発明の一実施形態によると、更なる正弦波の選択が行われる。よって以前の選択処理によって選択された正弦波の周波数はＦ＝（ｆ１，ｆ２，…，ｆＬ）に保持され、ここでＬは選択された正弦波の数を表し、ｆｉはヘルツ（Ｈｚ）単位で定義される各周波数を表す。なお、上述の選択正弦波のうち少なくとも１つの選択正弦波に対してこの更なる選択処理が適用される。なお、この更なる選択処理は選択正弦波の位相の一貫性に基づく選択処理であり、選択正弦波の位相の一貫性は、ある一定の時点におけるこの選択正弦波の位相がまた別の時点におけるこの選択正弦波の位相からどの程度予測可能であるかによって定義される。次にこの選択正弦波の位相の一貫性が所定の閾値を上回る場合、この選択正弦波が更なる選択処理によって選択される。
また、本発明の一実施形態によると、選択正弦波の位相の一貫性は、まず音声信号の第３セグメントを更に細かくセグメント分割することによって確定される。通常この第３セグメントは前回の選択処理において適用された第２セグメントと同等であるが、本発明はこのような実施例に限定されることはなく、第３セグメントとして第２セグメントとは異なるものが適用されることも可能である。選択正弦波の位相の一貫性を把握するには２つ以上の細分化されたセグメント部分が要される。これらのセグメント部分は相互重複しうるが、このような場合に限定されることはない。例えば第３セグメントｘｓは図３に示されるように３つの重複する細分化部分に分割されうる。Ｎが第３セグメントのサンプル数を示し、このＮの値が偶数である場合、この細分化部分は以下のように定義される。
Figure 2006510938
 ここではＭ＝Ｎ／２、１≦ｋ≦Ｍである。これら細分化部分の長さはそれぞれＭに設定される。これら３つの細分化部分それぞれについて、Ｆのうち周波数ｆｉを有する選択正弦波の位相が判定される。そのためこれら細分化部分は周波数解析に適したウィンドウに形成され、その後ＦＦＴ処理同様の周波数解析が実行されうる。なお、図３においてφ１、φ２及びφ３はそれぞれ位相を判定するための位置例を示す。次にこの例では、細分化部分１から２、２から３、及び１から３について位相が予測される。実際の位相と予測された位相との差から以下に示されるような選択正弦波の予測エラーが得られる。
Figure 2006510938
 ここにおいて予測エラーはモジュロ（ｍｏｄ（２π））で表され、位相φ１、φ２及びφ３はラジアンによって表され、Ｔは秒単位で表され、Ｔ＝Ｍ／Ｆｓによって定義される。これらの予測エラーＥに基づく所定の選択基準を適用して、選択正弦波に対して更なる選択処理が施され、更に厳選された正弦波が得られる。この選択基準の一例として、以下の条件が満たされるか否かのテストが適用されうる。
Figure 2006510938
 ここでｃは典型的には第３セグメントｘｓのサンプル数Ｎ及びこの細分化部分それぞれのサンプル数Ｍに依存する。以下においてｃの定義の一例を示す。
Figure 2006510938
 図４は本発明の一実施例による図１の音声符号器１を含む音声システムを示す図である。このシステムは記録及び／又は送信機能を有する。ここではオーディオプレーヤ、マイクロホン又は音声入力コネクタなどの音声信号取得装置４１によって音声信号ｘ（ｔ）が取得される。この音声信号ｘ（ｔ）は図１の音声符号器１の入力として機能する。出力音声ストリームＡＳはこの音声符号器１からフォーマット部４２へ供給される。このフォーマット部４２は音声ストリームＡＳを無線接続、データバス、又は記憶媒体などの形式を取りうる通信チャンネル４３に適したフォーマットに変換する。なお、通信チャンネル４３が記憶媒体に相当する場合、この記憶媒体はシステムに備え付けられるか、あるいは取外し可能なディスクやメモリスチィックなどの形態をとりうる。この通信チャンネル４３はシステムの一部を構成しうるが、多くの場合これは音声システムの外部に備えられる。
なお、上述の実施例は本発明による実施形態を例示的に示すものであって、本発明の請求範囲を限定するものではない。そして同業者であれば上記実施例から本発明の請求範囲を逸脱することなくさまざまな変形例を構想することが可能であろう。なお、請求項において「構成する（される）」という表現は、この請求項で挙げられるもの以外の構成要素や工程の存在を否定する意味合いは含まない。また本発明はいくつかの独立した構成要素からなるハードウェア及び／又は適正にプログラミングされたコンピュータによって実現されうる。なお、請求項で複数の手段によって特徴付けられる装置において、これらの手段は１つの同一のハードウェアアイテムによって実現可能である。また、それぞれ別々の従属請求項に記載される本発明の特徴であってもこれらが組み合わさることによって本発明の更に好適な実施形態が実現されうる可能性は否定されない。
要するに、本発明は音声信号の少なくとも一部を複数の正弦波によって表すことによって前記音声信号を符号化する方法であって、前記音声信号の第１セグメントに対して解析を行い、前記解析に基づいて候補正弦波を選択し、前記候補正弦波のうちの少なくとも１つの候補正弦波について当該候補正弦波の周波数の周辺周波数帯域を含むローカル周波数帯域を定義し、前記ローカル周波数帯域における周波数成分の振幅を組み合わせて前記ローカル周波数帯域における候補正弦波のうち少なくとも１つの候補正弦波を除外し、前記振幅の組み合わせに基づいて前記候補正弦波を選択正弦波として選択する工程を含むことを特徴とする方法を提供する。本発明による正弦波の選択によって、所定の音質について符号化される正弦波の数が低減され、よって所定の音質に対応するビットレートに関して好適な効果が得られる。
本発明の一実施例による音声符号器を示す図である。 本発明による正弦波の候補に対して適用される選択処理手順を示すブロック図である。 正弦波の位相の一貫性を確定するために音声セグメントをより細かく分割する例を示す図である。 本発明の一実施例による音声システムを示す図である。

Claims (10)

  1. 音声信号の少なくとも一部を複数の正弦波で表すことによって前記音声信号を符号化する方法であって、
    前記音声信号の第１セグメントに対して解析を行い、
    前記解析に基づいて候補正弦波を選択し、
    前記候補正弦波のうち少なくとも１つの候補正弦波について当該候補正弦波の周波数の周辺におけるローカル周波数帯域を定義し、
    前記ローカル周波数帯域における候補正弦波のうち少なくとも１つの候補正弦波を除外して前記ローカル周波数帯域における周波数成分の振幅を組み合わせ、
    前記振幅の組み合わせに基づいて前記候補正弦波を選択正弦波として選択する工程から構成されることを特徴とする方法。
  2. 前記候補正弦波の周波数周辺におけるローカル周波数帯域の帯域幅は前記候補正弦波の周波数に依存することを特徴とする請求項１記載の方法。
  3. 前記候補正弦波の周波数への依存性は人間の音声知覚能に基づくことを特徴とする請求項２に記載の方法。
  4. 前記候補正弦波の振幅が前記振幅の組み合わせに対して重要であるとされた場合当該候補正弦波は選択正弦波として選択され、前記重要性は前記候補正弦波のローカル周波数帯域における候補正弦波のうち少なくとも１つの候補正弦波が除外された前記ローカル周波数帯域における周波数成分の加重平均振幅と前記候補正弦波の振幅との差に対して閾値を設定することによって評価されることを特徴とする請求項１記載の方法。
  5. 前記候補正弦波の振幅が前記振幅の組み合わせに対して重要であるとされた場合当該候補正弦波は選択正弦波として選択され、前記重要性は
    前記候補正弦波のローカル周波数帯域における候補正弦波のうち少なくとも１つの候補正弦波が除外された前記ローカル周波数帯域における周波数成分の加重平均振幅と前記候補正弦波の振幅との差と、
    前記候補正弦波のローカル周波数帯域における候補正弦波のうち少なくとも１つの候補正弦波が除外された前記ローカル周波数帯域における周波数成分の振幅の加重偏差と、の比に対して閾値を設定することによって評価されることを特徴とする請求項１記載の方法。
  6. 前記選択正弦波に対して更なる選択処理を実行する工程を有し、前記更なる選択処理工程は、
    前記選択正弦波のうちの少なくとも１つの選択正弦波について、所定の時点における当該選択正弦波の位相が別の時点における当該選択正弦波の位相から予測されうる程度として定義される前記選択正弦波の位相一貫性を確定し、
    前記選択正弦波の位相一貫性が所定の閾値を上回る場合、前記選択正弦波を更に厳選された正弦波として選択する工程から構成されることを特徴とする請求項１記載の方法。
  7. 前記選択正弦波の位相一貫性の確定工程は、
    前記音声信号の第３セグメントを少なくとも第１部分と第２部分とに分割し、
    少なくとも前記第１部分及び前記第２部分において前記選択正弦波の実質位相を確定し、
    前記第１部分における実質位相を前記第２部分の実質位相を予測するための入力として用いて、
    前記第２部分の実質位相と予測位相との差による予測エラーに基づいて前記選択正弦波の位相一貫性を確定する工程から構成されることを特徴とする請求項６記載の方法。
  8. 音声信号の少なくとも一部を複数の正弦波で表すことによって前記音声信号を符号化する音声符号器であって、
    前記音声信号の第１セグメントに対して解析を行う手段、
    前記解析に基づいて候補正弦波を選択する手段、
    前記候補正弦波のうち少なくとも１つの候補正弦波について当該候補正弦波の周波数の周辺におけるローカル周波数帯域を定義し、
    前記ローカル周波数帯域における候補正弦波のうち少なくとも１つの候補正弦波を除外して前記ローカル周波数帯域における周波数成分の振幅を組み合わせる手段、及び
    前記振幅の組み合わせに基づいて前記候補正弦波を選択正弦波として選択する手段から構成されることを特徴とする音声符号器。
  9. 前記音声信号は前記選択正弦波に対して更なる選択処理を実行するように設計され、
    前記選択正弦波のうちの少なくとも１つの選択正弦波について、所定の時点における当該選択正弦波の位相が別の時点における当該選択正弦波の位相から予測されうる程度として定義される前記選択正弦波の位相一貫性を確定する手段、及び
    前記選択正弦波の位相一貫性が所定の閾値を上回る場合、前記選択正弦波を更に厳選された正弦波として選択する手段から構成されることを特徴とする請求項８記載の音声符号器。
  10. 音声信号を取得する手段、前記音声信号を符号化して符号化音声信号を取得するための請求項８又は９に記載の音声符号器、及び前記符号化音声信号を記憶及び／又は伝送に適したフォーマットにフォーマット化するフォーマット部から構成される音声システム。
JP2004561746A 2002-12-19 2003-11-20 音声符号化における正弦波の選択 Withdrawn JP2006510938A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP02080420 2002-12-19
PCT/IB2003/005346 WO2004057575A2 (en) 2002-12-19 2003-11-20 Sinusoid selection in audio encoding

Publications (1)

Publication Number Publication Date
JP2006510938A true JP2006510938A (ja) 2006-03-30

Family

ID=32668778

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2004561746A Withdrawn JP2006510938A (ja) 2002-12-19 2003-11-20 音声符号化における正弦波の選択

Country Status (7)

Country Link
US (1) US20070112573A1 (ja)
EP (1) EP1576583A2 (ja)
JP (1) JP2006510938A (ja)
KR (1) KR101008529B1 (ja)
CN (1) CN100559468C (ja)
AU (1) AU2003295178A1 (ja)
WO (1) WO2004057575A2 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101790129B (zh) * 2004-08-05 2013-04-24 Lg电子株式会社 用于多媒体广播/组播业务的频率选择方法及其移动终端
ES2383217T3 (es) 2006-12-12 2012-06-19 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Codificador, descodificador y métodos para codificar y descodificar segmentos de datos que representan una corriente de datos de dominio de tiempo
KR101413967B1 (ko) * 2008-01-29 2014-07-01 삼성전자주식회사 오디오 신호의 부호화 방법 및 복호화 방법, 및 그에 대한 기록 매체, 오디오 신호의 부호화 장치 및 복호화 장치
KR101441898B1 (ko) * 2008-02-01 2014-09-23 삼성전자주식회사 주파수 부호화 방법 및 장치와 주파수 복호화 방법 및 장치
US9055374B2 (en) * 2009-06-24 2015-06-09 Arizona Board Of Regents For And On Behalf Of Arizona State University Method and system for determining an auditory pattern of an audio segment
US9020080B2 (en) * 2011-06-16 2015-04-28 Lockheed Martin Corporation Method and system to adaptively cancel sinusoidal interference from a signal processing system
US9672833B2 (en) * 2014-02-28 2017-06-06 Google Inc. Sinusoidal interpolation across missing data

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5054072A (en) * 1987-04-02 1991-10-01 Massachusetts Institute Of Technology Coding of acoustic waveforms
JP3134455B2 (ja) * 1992-01-29 2001-02-13 ソニー株式会社 高能率符号化装置及び方法
CN1038089C (zh) * 1993-05-31 1998-04-15 索尼公司 信号编码或译码装置及信号编码或译码方法
DE60113034T2 (de) * 2000-06-20 2006-06-14 Koninkl Philips Electronics Nv Sinusoidale kodierung
EP1576584A1 (en) * 2002-12-19 2005-09-21 Koninklijke Philips Electronics N.V. Sinusoid selection in audio encoding

Also Published As

Publication number Publication date
EP1576583A2 (en) 2005-09-21
US20070112573A1 (en) 2007-05-17
AU2003295178A8 (en) 2004-07-14
KR20050085744A (ko) 2005-08-29
AU2003295178A1 (en) 2004-07-14
WO2004057575A2 (en) 2004-07-08
CN1729509A (zh) 2006-02-01
CN100559468C (zh) 2009-11-11
KR101008529B1 (ko) 2011-01-14
WO2004057575A3 (en) 2004-09-30

Similar Documents

Publication Publication Date Title
KR100742443B1 (ko) 손실 프레임을 처리하기 위한 음성 통신 시스템 및 방법
US5781880A (en) Pitch lag estimation using frequency-domain lowpass filtering of the linear predictive coding (LPC) residual
Hardwick A 4.8 kbps multi-band excitation speech coder
US9613629B2 (en) Correction of frame loss during signal decoding
EP0995190B1 (en) Audio coding based on determining a noise contribution from a phase change
US20110016077A1 (en) Audio signal classifier
EP2492911B1 (en) Audio encoding apparatus, decoding apparatus, method, circuit and program
US6138092A (en) CELP speech synthesizer with epoch-adaptive harmonic generator for pitch harmonics below voicing cutoff frequency
JPH05346797A (ja) 有声音判別方法
EP1527441A2 (en) Audio coding
US7197454B2 (en) Audio coding
US20050091041A1 (en) Method and system for speech coding
US5839102A (en) Speech coding parameter sequence reconstruction by sequence classification and interpolation
JP2008518264A (ja) 振幅の包絡線を有するパラメトリックオーディオコーディング
JP2006510938A (ja) 音声符号化における正弦波の選択
US6115685A (en) Phase detection apparatus and method, and audio coding apparatus and method
JP2001177416A (ja) 音声符号化パラメータの取得方法および装置
JP2006510937A (ja) オーディオ符号化における正弦波選択
JP3559485B2 (ja) 音声信号の後処理方法および装置並びにプログラムを記録した記録媒体
EP0933757A2 (en) Phase detection for an audio signal
EP0713208B1 (en) Pitch lag estimation system
KR102424897B1 (ko) 상이한 손실 은닉 도구들의 세트를 지원하는 오디오 디코더
JPH0235994B2 (ja)
JP2000132195A (ja) 信号符号化装置及び方法
JPH07104793A (ja) 音声信号の符号化装置及び復号化装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20061117

A761 Written withdrawal of application

Free format text: JAPANESE INTERMEDIATE CODE: A761

Effective date: 20070510