JP2007304258A - オーディオ信号符号化およびその復号化装置、方法ならびにプログラム - Google Patents

Abstract

【課題】信号が時間的とともに大きく変化する非定常信号に対して符号化効率を向上する。
【解決手段】窓シーケンスによってオーディオ信号を分割して符号化する装置において、前記窓シーケンスは、ロング窓関数（１００）と、ショート窓関数（１０１）と、スタート窓関数（１０２）と、ストップ窓関数（１０３）と、ミドル窓関数（１０４〜１０６）とを組み合わせて構成され、オーディオ信号の時間的な変化が大きい場合に、変化が起きる時間と変化の度合いに応じて、ショート窓関数とミドル窓関数とを組み合わせた窓シーケンス（２０２、２０４〜２０７）の１つを選択して符号化することにより、符号化効率の悪い短い窓長の窓関数の使用を最小化して、符号化効率を向上することができる。
【選択図】図２

Description

本発明は、重畳する窓関数を使用して変換符号化を行うオーディオ信号の符号化およびその復号化に関するものである。

近年、オーディオ信号の高能率符号化方式として変換符号化を利用した方式が広く用いられている。変換符号化を利用した方式としては、非特許文献１記載のＭＰＥＧ（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ）−２ ＡＡＣ（Ａｄｖａｎｃｅｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ）やドルビーディジタル（ＡＣ−３）が挙げられる。変換符号化では、オーディオ信号に窓関数を掛けて時間領域の信号を切り出し、前記切り出された時間領域の信号に対して直交変換を行うことにより、周波数領域のスペクトル係数に変換して高能率符号化を行う。

ＭＰＥＧ−２ ＡＡＣ（以下ＡＡＣと呼ぶ）では、直交変換として、窓関数が５０パーセント重畳する変形離散コサイン変換（以下ＭＤＣＴ（Ｍｏｄｉｆｉｅｄ Ｄｉｓｃｒｅｔｅ Ｃｏｓｉｎｅ Ｔｒａｎｓｆｏｒｍ）と呼ぶ）を用いる。ＭＤＣＴでは、時間サンプルの個数の半分の個数のスペクトル（ＭＤＣＴ）係数に変換される。

図９は、従来のＡＡＣで使用される４種類の窓関数の形状を示す図である。同図で窓関数の縦軸は振幅であり、横軸は時間である。最初の窓関数は、ロング窓関数１００と呼ばれる２０４８（時間）サンプルの窓関数であり、ＭＤＣＴにより１０２４個のスペクトル係数に変換される。ロング窓関数１００は、信号の時間的な変化が小さい定常信号に対して使用される。第２の窓関数は、ショート窓関数１０１と呼ばれる２５６サンプルの窓関数であり、ＭＤＣＴにより１２８個のスペクトル係数に変換される。ショート窓関数１０１は、信号の時間的な変化が大きい非定常信号に対して使用される。第３の窓関数は、スタート窓関数１０２と呼ばれる２０４８サンプルの窓関数であり、ＭＤＣＴにより１０２４個のスペクトル係数に変換される。スタート窓関数１０２は、ロング窓関数１００からショート窓関数１０１に切り替えるときに使用される過渡的な窓関数である。第４の窓関数はストップ窓関数１０３と呼ばれる２０４８サンプルの窓関数であり、ＭＤＣＴにより１０２４個のスペクトル係数に変換される。ストップ窓関数１０３は、ショート窓関数１０１からロング窓関数１００に切り替えるときに使用される過渡的な窓関数である。図９において、窓関数の形状を直線で表示しているが、実際には、サイン関数、あるいはＫＢＤ（Ｋａｉｓｅｒ−Ｂｅｓｓｅｌ ｄｅｒｉｖｅｄ）関数による曲線である。窓関数の重畳する部分は、互いに対をなしていなければならないので、上昇する部分の時間と下降する部分の時間が同一で、上昇するサイン関数は、下降するサイン関数と、また上昇するＫＢＤ関数は下降するＫＢＤ関数と重畳することができる。

ここで、窓長が異なる２つの基本的な窓関数であるロング窓関数１００とショート窓関数１０１について両者を比較して説明する。長い窓長のロング窓関数１００は、周波数分解能が高く、時間分解能が低いので、時間あたりの副情報が少なく符号化効率が良い。一方短い窓長のショート窓関数１０１は周波数分解能が低く、時間分解能が高いので時間あたりの副情報が多くなり符号化効率が悪い。長い窓長のロング窓関数１００を使用した場合、復号化時に符号化時の量子化ノイズが長い窓長全体に広がる。これによって、例えば、信号レベルが急激に上昇するアタック信号の場合に、アタック信号が現れる前の本来静かな部分においてプリエコーと呼ばれる耳障りな量子化ノイズが聞こえ、音質が劣化することがある。同様に、信号レベルが急激に下降するリリース信号の場合には、リリース信号の後の本来静かな部分においてポストエコーと呼ばれる量子化ノイズが聞こえ、音質が劣化することがある。したがって、信号の時間的な変化に応じて、窓長が異なるロング窓関数１００とショート窓関数１０１を切り替えることにより、プリエコーやポストエコーの発生を防止する。

図１０は、窓関数の窓長とプリエコーおよびポストエコーの関係を示す図である。同図（ａ）に示すような急激な立ち上がりと立下りを含む信号を、同図（ｂ）上段のロング窓関数１００を使って符号化して復号化すると、同図（ｂ）下段に示すように振幅の大きな部分の引き起こす量子化ノイズが窓長（２０４８サンプル）全体に広がる。一方、同図（ｃ）上段に示すようなショート窓関数１０１を使って符号化して復号化すると、同図（ｃ）下段に示すように、振幅の大きな部分の引き起こす量子化ノイズを、ショート窓関数１０１の窓長（２５６サンプル）の中に閉じ込めることができる。心理音響学の継時マスキング（ｔｅｍｐｏｒａｌ ｍａｓｋｉｎｇ）に関する実験によれば、プリエコーの方がポストエコーより目立ち、音質を劣化させることが知られている。

ＡＡＣでは、スペクトル係数の符号化に際して、所定の個数（１０２４個）のスペクトル係数をまとめて符号化ブロックを構成して符号化する。ロング窓関数１００は、１０２４個のスペクトル係数を生成するのに対して、ショート窓関数１０１は、１２８個のスペクトル係数を生成する。このため、ショート窓関数１０１を使用するときには、連続する８個のショート窓関数１０１を使って８×１２８＝１０２４個のスペクトル係数を生成して符号化ブロックを構成して符号化する。このような所定の個数のスペクトル係数を生成するための窓関数のシーケンスを窓シーケンスと呼ぶ。図１１は、従来のＡＡＣにおける４種類の窓シーケンスを示す図である。第１の窓シーケンス２００は、ロング窓関数１００と同一である。第２の窓シーケンス２０１は、スタート窓関数１０２と同一である。第３の窓シーケンス２０２は、連続する８個のショート窓関数１０１のシーケンスである。第４の窓シーケンス２０３は、ストップ窓関数１０３と同一である。

また、特許文献１記載のオーディオ信号の符号化方法では、ショート窓関数の使用を削減するために、ロング窓関数を使用する窓シーケンスからショート窓関数を使用する窓シーケンスへ、あるいはその逆のショート窓関数を使用する窓シーケンスからロング窓関数を使用する窓シーケンスへ、さらにはショート窓関数を使用する窓シーケンスを飛び飛びの符号化ブロックで使用する場合の窓シーケンスの切り替え時間を短縮して符号化効率を向上した窓シーケンスが開示されている。
特許第３１７１５９８号公報 ＩＳＯ／ＩＥＣ １３８１８−７， Ａｄｖａｎｃｅｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ （ＡＡＣ）

しかしながら、上記従来のＡＡＣの窓シーケンスでは、信号が時間とともに大きく変化する非定常信号に対する符号化効率が悪いという問題点を有していた。図１２は、従来のＡＡＣの入力信号と選択される窓シーケンスの関係を示す図である。同図（ａ）、（ｂ）で上段は入力信号、下段は上段の入力信号に対して選択される窓シーケンスである。同図（ａ）、（ｂ）に示すように、入力信号が時間的に大きく変化する場合、時間的に大きく変化する時間が限られていても符号化効率の悪いショート窓関数１０１を８個使用する第３の窓シーケンス２０２を使用しなければならないという問題点を有していた。また、同図（ａ）と（ｂ）で、入力信号が時間的に大きく変化する時間は異なっているのに、（ａ）と（ｂ）でともに第３の窓シーケンス２０２を使用しなければならないという問題点を有していた。

また、特許文献１記載の方法では、信号の大きな時間的な変化が起こった後にすぐに定常信号に復帰する場合には符号化効率を向上することができるが、信号の大きな時間的な変化が起こった後に徐々に定常信号に復帰する場合には符号化効率を向上することができない。また、信号の大きな時間的変化が窓シーケンスの中央の時間で起こった場合に対しても符号化効率を向上することができない。

本発明は上記従来の問題点を解決するもので、符号化効率の悪いショート窓関数１０１の使用を削減する新規な窓シーケンスを提供することにより、入力信号の時間的な変化が大きい場合に前記変化の起きる時間と前記変化の度合いに応じて、ショート窓関数１０１の使用を最小化して、最適な窓シーケンスを選択し、符号化効率を向上したオーディオ信号符号化およびその復号化装置、方法ならびにソフトウェアを提供することを目的とする。

この課題を解決するために、本発明のオーディオ信号符号化装置は、オーディオ信号の時間的変化を検出する信号変化検出部と、前記信号変化検出部で検出された時間的変化に応じて決定した窓シーケンスによって前記オーディオ信号を分割する窓処理部と、前記窓処理部で分割された信号を符号化する符号化部とを備えたオーディオ信号符号化装置であって、前記窓関数には、少なくとも、その両端に互いに重畳可能な長い重畳部を有する第１の窓関数、もしくはその両端に互いに重畳可能な短い重畳部を有する第２の窓関数、もしくはその片端に前記第１の窓関数の長い重畳部に重畳可能な長い重畳部と他端に前記第２の窓関数の短い重畳部に重畳可能な短い重畳部とこれらの重畳部の中間に値が一定の重畳しない非重畳部とを有する第３の窓関数、もしくはその両端に前記第２の窓関数の短い重畳部に重畳可能な短い重畳部とこれらの重畳部の中間に値が一定の重畳しない非重畳部とを有する第４の窓関数が含まれ、前記信号変化検出部が前記オーディオ信号の大きな時間的変化を検出した場合に、前記窓処理部は、少なくとも１つの前記第２の窓関数と前記第４の窓関数とを組み合わせた窓シーケンスにより前記オーディオ信号を分割するものであり、本構成によって、信号変化検出部でオーディオ信号の大きな時間的変化を検出した場合に、窓処理部が、前記大きな時間的変化の起きる時間に応じて、第２の窓関数を配置した窓シーケンスを選択することにより、非定常信号に対する符号化効率を向上することができる。

また、本発明のオーディオ信号復号化装置は、前記オーディオ信号符号化装置で符号化された信号を復号するためのオーディオ信号復号化装置であって、前記符号化された信号を復号化する復号化部と、前記復号化された信号を、窓シーケンスにしたがって重畳加算する重畳加算部とを備えたものである。

本発明によれば、信号が時間とともに大きく変化する非定常信号に対して、符号化効率の悪い短い窓長の窓関数の使用を最小化して、最適な窓シーケンスを選択することができるので、符号化効率を向上したオーディオ信号符号化とその復号化方法を実現することができる。したがって、本発明によれば、符号化ビットレートの低減、あるいは符号化音質を向上することができる。

以下本発明を実施するための最良の形態について、図面を参照しながら説明する。

（実施の形態１）
図１は、本発明の実施の形態１のオーディオ信号符号化およびその復号化装置における７種類の窓関数の形状を示す図である。同図で窓関数の縦軸は振幅であり、横軸は時間である。図１において、窓関数の形状を直線で表示しているが、実際には、サイン関数、あるいはＫＢＤ（Ｋａｉｓｅｒ−Ｂｅｓｓｅｌ ｄｅｒｉｖｅｄ）関数等による曲線である。例えば、サイン関数の場合、上昇する部分はサイン関数の０からπ／２の曲線に相当し、下降する部分はサイン関数のπ／２からπの曲線に相当する。窓関数の重畳する部分は互いに対をなしていなければならないので、上昇する部分の時間と下降する部分の時間が同一で、上昇するサイン関数は下降するサイン関数と、また上昇するＫＢＤ関数は下降するＫＢＤ関数と重畳することができる。

最初の窓関数は、ロング窓関数１００と呼ばれる２０４８（時間）サンプルの窓関数であり、ＭＤＣＴにより１０２４個のスペクトル係数に変換される。ロング窓関数１００は時間とともに振幅が上昇する前半部分１０ａと振幅が下降する後半部分１０ｂとからなる。ロング窓関数１００の前半部分１０ａと後半部分１０ｂは重畳することができる。ロング窓関数１００は、信号の時間的な変化が小さい定常信号に対して使用される。第２の窓関数は、ショート窓関数１０１と呼ばれる２５６サンプルの窓関数であり、ＭＤＣＴにより１２８個のスペクトル係数に変換される。ショート窓関数１０１は、時間とともに振幅が上昇する前半部分１１ａと振幅が下降する後半部分１１ｂとからなる。ショート窓関数の前半部分１１ａと後半部分１１ｂは重畳することができる。ショート窓関数１０１は、信号の時間的な変化が大きい非定常信号に対して使用される。第３の窓関数は、スタート窓関数１０２と呼ばれる２０４８サンプルの窓関数であり、ＭＤＣＴにより１０２４個のスペクトル係数に変換される。スタート窓関数１０２は、ロング窓関数１００からショート窓関数１０１に切り替えるときに使用される過渡的な窓関数である。スタート窓関数１０２は、ロング窓関数１００の前半部分１０ａと値が一定の部分（これを非重畳部と呼ぶ）１２とショート窓関数１０１の後半部分１１ｂとからなる。第４の窓関数は、ストップ窓関数１０３と呼ばれる２０４８サンプルの窓関数であり、ＭＤＣＴにより１０２４個のスペクトル係数に変換される。ストップ窓関数１０３は、ショート窓関数１０１からロング窓関数１００に切り替えるときに使用される過渡的な窓関数である。ストップ窓関数１０３は、ショート窓関数１０１の前半部分１１ａと値が一定の部分１２とロング窓関数１００の後半部分１０ｂとからなる。以上の４種類の窓関数は、図９の従来のＡＡＣの窓関数と同一である。

第５の窓関数は、ミドル（１）窓関数１０４と呼ぶ５１２サンプルの窓関数であり、ＭＤＣＴにより２５６個のスペクトル係数に変換される。ミドル（１）窓関数１０４は、ショート窓関数１０１を２個合成した窓関数であり、ショート窓関数１０１の２倍の窓長を有する。ミドル（１）窓関数１０４は、ショート窓関数１０１の前半部分１１ａと値が一定の部分１３とショート窓関数１０１の後半部分１１ｂとからなる。第６の窓関数は、ミドル（２）窓関数１０５と呼ぶ７６８サンプルの窓関数であり、ＭＤＣＴにより３８４個のスペクトル係数に変換される。ミドル（２）窓関数１０５は、ショート窓関数１０１を３個合成した窓関数であり、ショート窓関数１０１の３倍の窓長を有する。ミドル（２）窓関数１０５は、ショート窓関数１０１の前半部分１１ａと値が一定の部分１４とショート窓関数１０１の後半部分１１ｂとからなる。第７の窓関数はミドル（３）窓関数１０６と呼ぶ１０２４サンプルの窓関数であり、ＭＤＣＴにより５１２個のスペクトル係数に変換される。ミドル（３）窓関数１０６は、ショート窓関数１０１を４個合成した窓関数であり、ショート窓関数１０１の４倍の窓長を有する。ミドル（３）窓関数１０６は、ショート窓関数１０１の前半部分１１ａと値が一定の部分１５とショート窓関数１０１の後半部分１１ｂとからなる。

ミドル（１）窓関数１０４、ミドル（２）窓関数１０５、ミドル（３）窓関数１０６は、相互に及びショート窓関数１０１と重畳することができる。また、スタート窓関数１０２の後半と、あるいはストップ窓関数１０３の前半と重畳することができる。

上記実施の形態１のミドル（１）窓関数１０４、ミドル（２）窓関数１０５、ミドル（３）窓関数１０６の３種類の窓関数は、従来のＡＡＣにはない新しい窓関数である。

以上のように実施の形態１では、信号が時間とともに大きく変化する非定常信号を効率的に符号化するために、従来の短い窓長のショート窓関数１０１に加えて、ロング窓関数１００とショート窓関数１０１の中間の窓長の３種類のミドル（１）窓関数１０４、ミドル（２）窓関数１０５、ミドル（３）窓関数１０６を備えている。これによって信号の時間的な変化の度合いに応じた適切な窓長を有する窓関数を選択することができる。信号の時間的な変化の度合いが大きい順に選択される窓関数を並べると、ショート窓関数１０１、ミドル（１）窓関数１０４、ミドル（２）窓関数１０５、ミドル（３）窓関数１０６の順である。以上のように実施の形態１では、窓関数として、ミドル（１）窓関数１０４、ミドル（２）窓関数１０５、ミドル（３）窓関数１０６を備えることにより、非定常信号に対する窓関数を選択することができ、これによって非定常信号に対する符号化効率を向上することができる。

図２は、本発明の実施の形態１における８種類の窓シーケンスを示す図である。図２の実施の形態１の窓シーケンスは、図１に示す窓関数のシーケンスから構成されている。

第１の窓シーケンス２００、第２の窓シーケンス２０１、第４の窓シーケンス２０３は、それぞれロング窓関数１００、スタート窓関数１０２、ストップ窓関数１０３と同一である。これらは２０４８サンプルの窓関数であり、ＭＤＣＴによって１０２４個のスペクトル係数に変換される。第３の窓シーケンス２０２は、連続する８個のショート窓関数１０１のシーケンスである。ショート窓関数１０１は２５６サンプルの窓関数であり、ＭＤＣＴによって１２８個のスペクトル係数に変換される。したがって、第３の窓シーケンス２０２では、８×１２８＝１０２４個のスペクトル係数に変換される。第１から第４の窓シーケンスは、図１１に示す従来のＡＡＣの窓シーケンスと同一である。

実施の形態１の第５の窓シーケンス２０４、第６の窓シーケンス２０５、第７の窓シーケンス２０６、第８の窓シーケンス２０７の４種類の窓シーケンスは、従来のＡＡＣにはない新規な窓シーケンスである。

第５の窓シーケンス２０４は、ショート窓関数１０１が２個とミドル（２）窓関数１０５が２個の合計４個の窓関数のシーケンスであり、ＭＤＣＴによって２×１２８＋２×３８４＝１０２４個のスペクトル係数に変換される。第６の窓シーケンス２０５は、ミドル（１）窓関数１０４が１個とショート窓関数１０１が２個とミドル（３）窓関数１０６が１個の合計４個の窓関数のシーケンスであり、ＭＤＣＴによって２５６＋２×１２８＋５１２＝１０２４個のスペクトル係数に変換される。第７の窓シーケンス２０６は、ミドル（３）窓関数１０６が１個とショート窓関数１０１が２個とミドル（１）窓関数１０４が１個の合計４個の窓関数のシーケンスであり、ＭＤＣＴによって５１２＋２×１２８＋２５６＝１０２４個のスペクトル係数に変換される。第８の窓シーケンス２０７は、ミドル（２）窓関数１０５が２個とショート窓関数１０１が２個の合計４個の窓関数のシーケンスであり、ＭＤＣＴによって２×３８４＋２×１２８＝１０２４個のスペクトル係数に変換される。

第５から第８の窓シーケンス２０４、２０５、２０６、２０７は、第３の窓シーケンス２０２と同様に、信号が時間とともに大きく変化する非定常信号に対する窓シーケンスである。第５から第８の窓シーケンス２０４、２０５、２０６、２０７は、いずれも４個の窓関数のシーケンスから構成されている。その内２個の窓関数は、ショート窓関数１０１であるが、窓シーケンスごとにショート窓関数１０１を使用する時間が異なっている。これによって、大きな時間的な変化が起きる時間に応じてショート窓関数１０１の時間を選択して最適な窓シーケンスを選択することができる。第３の窓シーケンス２０２では符号化効率の悪いショート窓関数１０１を８個使用しているが、第５から第８の窓シーケンス２０４、２０５、２０６、２０７ではショート窓関数１０１を２個しか使用していないので、第３の窓シーケンス２０２より符号化効率が高い。非定常信号に対して第５から第８の窓シーケンス２０４、２０５、２０６、２０７を使用して効率的に符号化することができる。

図１１に示す従来のＡＡＣでは、４種類の窓シーケンスを使用していたので、窓シーケンスを指定するのに２ビット必要であった。これに対して、実施の形態１では、８種類の窓シーケンスを使用するので、窓シーケンスを指定するのに３ビット必要である。実施の形態１では、従来のＡＡＣと比較して、窓シーケンスを指定するために必要なビット数が１ビット増えるが、非定常信号に対する符号化効率が向上するので、全体として符号化に必要なビット数を減少することができる。

以上のように実施の形態１の窓シーケンスでは、信号が時間とともに大きく変化する非定常信号に対して、第３の窓シーケンス２０２に加えて、第５から第８までの窓シーケンス２０４、２０５、２０６、２０７を備えることにより、前記変化が起きる時間と前記変化の度合いに応じて、符号化効率の悪い短い窓長のショート窓関数１０１の使用を最小化して、最適な窓シーケンスを選択することができる。これによって符号化効率を向上し、ビットレートの低減あるいは符号化音質の向上を実現することができる。

次に実施の形態１のオーディオ信号符号化方法を用いた符号化装置の動作について以下に説明する。図３は、実施の形態１のオーディオ信号符号化装置の構成を示すブロック図である。図３において、３０１は信号変化検出部、３０２は窓処理部、３０３は変換部、３０４は量子化及び符号化部である。以上のように構成されたオーディオ信号高能率符号化装置について、その動作を以下に述べる。

入力された時間領域のオーディオ信号に対して、信号変化検出部３０１では、信号の時間的な変化を検出し、窓処理部３０２に出力する。窓処理部３０２では、信号変化検出部３０１で検出された信号の時間的な変化の起きた時間と変化の度合いに応じて、プリエコーやポストエコーと呼ばれる疑似信号の発生による音質の劣化を防止するように窓関数を決定する。次に前記決定された窓関数に基づいて、窓シーケンスを決定する。窓処理部３０２では、入力されたオーディオ信号に対して重畳する窓関数を掛けることにより、オーディオ信号を切り出し、分割する。変換部３０３では、窓処理部３０２で切り出されたオーディオ信号に対してＭＤＣＴ処理を行い、周波数領域のスペクトル係数に変換する。量子化及び符号化部３０４では、変換部３０３からのスペクトル係数を、心理音響モデルに基づく許容量子化ノイズレベル以下になるように量子化する。次に量子化されたスペクトル係数に対して、ハフマン符号化等の符号化処理を行い、窓シーケンスの種類を表す情報を含む副情報と共に多重化して符号化データとして出力する。

図４は、信号変化検出部３０１の構成を示すブロック図である。図４において、４０１はセグメント信号レベル算出器、４０２はセグメント信号レベルメモリ、４０３は信号レベル変化検出器である。以上のように構成された信号変化検出部３０１について、その動作を以下に述べる。

入力されたオーディオ信号は、セグメント信号レベル算出器４０１で最も短い窓長（実施の形態１では２５６サンプル）より小さい時間のセグメント（例えば１２８サンプル）に分割され、各セグメントの信号レベルをセグメント内の信号の２乗値の和、すなわちエネルギーで算出する。セグメント信号レベルメモリ４０２では、セグメント信号レベル算出器４０１で算出された各セグメントの信号レベルをメモリに記憶する。信号レベル変化検出器４０３では、セグメント信号レベルメモリ４０２から読み出したセグメントの信号レベルを用いて、隣接するセグメントの信号レベルの比を求め、出力する。窓処理部３０２では、最も長い窓長（実施の形態１では２０４８サンプル）にわたって前記信号レベルの比が閾値より小さい時には、定常信号として、長い窓長のロング窓関数１００を決定し、そうでない時には、非定常信号として、前記信号レベルの比が閾値を越えるときの時間にしたがって短い窓長のショート窓関数１０１を使用する時間を決定する。ロング窓関数１００からショート窓関数１０１への切り替え、あるいはショート窓関数１０１からロング窓関数１０１の切り替えには、それぞれスタート窓関数１０２、ストップ窓関数１０３を挿入しなければならないので、窓シーケンスの決定に際しては、１符号化ブロック先の窓関数を予め決定しておく必要がある。

なお、上記説明では、オーディオ信号のレベルの時間的変化を検出するようにしているが、スペクトルの時間的変化を検出するようにしてもよい。

図５は本発明の実施の形態１における入力信号と選択される窓シーケンスの関係を示す図である。同図（ａ）、（ｂ）で、上段は入力信号、下段は上段の入力信号に対して選択される窓シーケンスである。同図（ａ）、（ｂ）で、入力信号は、短時間に大きく変化する。同図（ａ）の入力信号に対する窓シーケンスとしては、最初に定常信号から非定常信号に変化する前の符号化ブロックに用いる第２の窓シーケンス２０１を選択する。信号が大きく変化する次の符号化ブロックでは、信号が大きく変化する時間に合わせて短い窓長のショート窓関数１０１を使用することができるように、第５の窓シーケンス２０４を選択する。次の定常信号に戻る符号化ブロックでは、非定常信号から定常信号に戻るときに使用する第４の窓シーケンス２０３を選択する。同図（ｂ）の入力信号は、信号が大きく変化する時間が、同図（ａ）の入力信号と異なるので、信号が大きく変化する時間に合わせて短い窓長のショート窓関数１０１を使用することができるように第７の窓シーケンス２０６を使用する。図１２に示す従来のＡＡＣでは、同図（ａ）と（ｂ）のように信号が大きく変化する時間が異なっていても、第３の窓シーケンス２０２を使用しなければならないのに対して、実施の形態１では、図５に示すように信号が大きく変化する時間に合わせて符号化効率の良い窓シーケンスを選択することができる。

次に図３のオーディオ信号符号化装置によって符号化された符号化データを復号化するオーディオ信号復号化装置の動作について以下に説明する。図６は、実施の形態１のオーディオ信号復号化装置の構成を示すブロック図である。図６において、６０１は復号化及び逆量子化部、６０２は逆変換部、６０３は窓処理及び重畳加算部である。以上のように構成されたオーディオ信号復号化装置について、その動作を以下に述べる。

復号化及び逆量子化部６０１では、入力された符号化データのスペクトル係数と窓シーケンスを含む副情報を分離する。次にスペクトル係数の復号化と逆量子化を行い、スペクトル係数を再生する。逆変換部６０２では、復号化及び逆量子化部６０１からの周波数領域のスペクトル係数を、前記窓シーケンスにしたがって逆変形離散コサイン変換処理を行ことにより逆変換し、時間領域の信号に戻す。窓処理部及び重畳加算部６０３では、逆変換部６０２からの時間領域の信号に対して窓シーケンスにしたがって窓関数を掛け、５０％重畳加算することによりオーディオ信号を再生し出力する。

以上のように実施の形態１のオーディオ信号符号化装置では、少なくとも１つのショート窓関数１０１と、窓長がロング窓関数１００とショート窓関数１０１との中間の長さでその両端にショート窓関数１０１と重畳可能な短い重畳部およびこれらの重畳部の中間に値が一定の重畳しない非重畳部を有する３種類のミドル窓関数（１０４，１０５，１０６）とを組み合わせた５種類の窓シーケンス（２０２，２０４，２０５，２０６，２０７）を準備し、信号が時間とともに大きく変化する非定常信号に対して、前記変化の起きる時間と前記変化の度合いに応じて前記５種類の窓シーケンスの１種類を選択して符号化する。これによって、符号化効率の悪い短い窓長のショート窓関数１０１の使用を最小化して、最適な窓シーケンスを選択できるので符号化効率を向上することができる。

また、前記オーディオ信号符号化装置によって符号化されたデータを復号化する装置では、前記符号化されたオーディオ信号のスペクトルを前記符号化されデータの窓シーケンスにしたがって、逆変換し、窓関数をかけて重畳加算して時間信号を復号化することにより、符号化効率の高い符号化データを復号化することができる。

（実施の形態２）
図７と図８は、本発明の実施の形態２におけるオーディオ信号の符号化およびその復号化装置による窓シーケンスを示す図である。図７の窓シーケンスは、信号の時間的な変化が小さい定常信号に対する窓長が２０４８サンプルの３種類の窓関数のシーケンスと信号の時間的な変化が大きい非定常信号に対する非定常窓シーケンス７００の使用を示すフラグとからなる。前記３種類の窓シーケンス、すなわち、第１の窓シーケンス２００、第２の窓シーケンス２０１、第４の窓シーケンス２０３は、図２の実施の形態１の窓シーケンス、あるいは図１１の従来のＡＡＣの窓シーケンスと同一であり、説明を省略する。

図８は、図７の非定常窓シーケンス７００の使用を示すフラグがオンの場合に選択される１２８種類の非定常窓シーケンスの例を示す図である。図２の第３の窓シーケンス２０２に示すように、非定常信号に対する符号化ブロックでは、最大８個のショート窓関数１０１を使用することが可能である。８個のショート窓関数１０１の境界は７個である。実施の形態２では、非定常窓シーケンスを指定するのには７ビット必要である。前記７ビットの各ビットの値が１のときには、隣り合うショート窓関数１０１を合成した窓関数（隣り合うショート窓関数を互いに重畳させた重畳部分を一定の値にした窓関数）を使用し、一方その値が０のときには隣り合うショート窓関数１０１を合成しない（なお、上記１と０とは逆にしてもよい。）。前記７ビットの各ビットはショート窓関数１０１の７個の境界の時間順に並んでいる。

図８で最上段の窓シーケンスは、２進数表記で０００００００であり、隣り合うショート窓関数１０１を合成しない窓関数によるシーケンスを表す。すなわち、８個の連続する２５６サンプルのショート窓関数１０１を表す。この窓シーケンスは、図２の第３の窓シーケンス２０２と同一である。この窓シーケンスを使ってＭＤＣＴにより、８×１２８＝１０２４個のスペクトル係数に変換される。図８で中央の窓シーケンスは、２進数表記で１０１００１１であり、最初に２個のショート窓関数１０１を合成した５１２サンプルのミドル（１）窓関数１０４が２個連続し、次に２５６サンプルのショート窓関数１０１が１個、最後に３個のショート窓関数１０１を合成した７６８サンプルのミドル（２）窓関数１個の合計４個の窓関数のシーケンスである。この窓シーケンスを使って２×２５６＋１２８＋３８４＝１０２４個のスペクトル係数に変換される。図８で最下段の窓シーケンスは、２進数表記で１１１１１１１であり、８個のショート窓関数を合成した２０４８サンプルの窓関数を表す。この窓シーケンスを使って１０２４個のスペクトル係数に変換される。

非定常信号に対する窓シーケンスとしては、図１１の従来のＡＡＣでは１種類（第３の窓シーケンス２０２）、図２の実施の形態１では、５種類（第３の窓シーケンス２０２、第５の窓シーケンス２０４、第６の窓シーケンス２０５、第７の窓シーケンス２０６、第８の窓シーケンス２０７）あるのに対して、実施の形態２では１２８種類あり、各種の非定常信号に対して最適な窓長の窓関数を選択することができる。

実施の形態２では、非定常信号に対して、ショート窓関数１０１をベースとして前記ショート窓関数１０１を合成した任意の窓長の窓関数を使用したシーケンスを選択することができる。これによって、各種の非定常信号に対して、時間的な変化が起きる時間と前記変化の度合いに応じて、最適な窓シーケンスを選択することができる。すなわち急激な時間的変化に対しては短い窓長のショート窓関数１０１を選択し、時間的な変化が徐々に起きる場合に対してはショート窓関数１０１を合成した窓関数を選択することができる。

以上のように実施の形態２のオーディオ信号符号化およびその復号化装置では、短い窓長のショート窓関数１０１とショート窓関数１０１を合成した窓長の窓関数を有する１２８種類の非定常窓シーケンスを備え、オーディオ信号の時間的な変化が大きい場合に前記変化の起きる時間と前記変化の度合いに応じて、前記非定常窓シーケンスの１種類を選択して符号化することにより、符号化効率の悪い短い窓長のショート窓関数１０１の使用を最小化して、最適な窓シーケンスを選択することができ、符号化効率を向上することができる。

なお、図３および図６に記載の各ブロックは、半導体上に集積した集積回路で実現してもよい。

また、図３および図６に記載の各装置は、ソフトウェアによって動作するコンピュータで実現してもよい。

以上のように、本発明にかかるオーディオ信号符号化およびその復号化方法は、重畳する窓関数のシーケンスを使用する変換符号化方法の符号化効率を向上することができ、符号化ビットレートの低減あるいは符号化音質を向上することができるので、オーディオ信号の高能率符号化およびその復号化装置等として有用である。

本発明の実施の形態１における７種類の窓関数の形状を示す図 本発明の実施の形態１における８種類の窓シーケンスを示す図 本発明の実施の形態１におけるオーディオ信号符号化装置の構成を示すブロック図 本発明の実施の形態１における信号検出部の構成を示すブロック図 本発明の実施の形態１における入力信号と選択される窓関数の関係を示す図 本発明の実施の形態１におけるオーディオ信号復号化装置の構成を示すブロック図 本発明の実施の形態２における窓シーケンスを示す図 本発明の実施の形態２における１２８種類の非定常窓シーケンスの例を示す図 従来のＡＡＣの４種類の窓関数の形状を示す図 窓長とプリエコーおよびポストエコーの関係を示す図 従来のＡＡＣの４種類の窓シーケンスを示す図 従来のＡＡＣの入力信号と選択される窓シーケンスの関係を示す図

符号の説明

１０ａ ロング窓関数の前半部分
１０ｂ ロング窓関数の後半部分
１１ａ ショート窓関数の前半部分
１１ｂ ショート窓関数の後半部分
１２ スタート窓関数とストップ窓関数の値が一定の部分
１３ ミドル（１）窓関数の値が一定の部分
１４ ミドル（２）窓関数の値が一定の部分
１５ ミドル（３）窓関数の値が一定の部分
１００ ロング窓関数
１０１ ショート窓関数
１０２ スタート窓関数
１０３ ストップ窓関数
１０４ ミドル（１）窓関数
１０５ ミドル（２）窓関数
１０６ ミドル（３）窓関数
２００ 第１の窓シーケンス
２０１ 第２の窓シーケンス
２０２ 第３の窓シーケンス
２０３ 第４の窓シーケンス
２０４ 第５の窓シーケンス
２０５ 第６の窓シーケンス
２０６ 第７の窓シーケンス
２０７ 第８の窓シーケンス
３０１ 信号変化検出部
３０２ 窓処理部
３０３ 変換部
３０４ 量子化及び符号化部
４０１ セグメント信号レベル算出器
４０２ セグメント信号レベルメモリ
４０３ 信号レベル変化検出器
６０１ 復号化及び逆量子化部
６０２ 逆変換部
６０３ 窓処理及び重畳加算部
７００ 非定常窓シーケンス

Claims (11)

1. オーディオ信号の時間的変化を検出する信号変化検出部と、
   前記信号変化検出部で検出された時間的変化に応じて決定した窓シーケンスによって前記オーディオ信号を分割する窓処理部と、
   前記窓処理部で分割された信号を符号化する符号化部とを備えたオーディオ信号符号化装置であって、
   前記窓関数には、少なくとも、その両端に互いに重畳可能な長い重畳部を有する第１の窓関数、もしくはその両端に互いに重畳可能な短い重畳部を有する第２の窓関数、もしくはその片端に前記第１の窓関数の長い重畳部に重畳可能な長い重畳部と他端に前記第２の窓関数の短い重畳部に重畳可能な短い重畳部とこれらの重畳部の中間に値が一定の重畳しない非重畳部とを有する第３の窓関数、もしくはその両端に前記第２の窓関数の短い重畳部に重畳可能な短い重畳部とこれらの重畳部の中間に値が一定の重畳しない非重畳部とを有する第４の窓関数が含まれ、
   前記信号変化検出部が前記オーディオ信号の大きな時間的変化を検出した場合に、前記窓処理部は、少なくとも１つの前記第２の窓関数と前記第４の窓関数とを組み合わせた窓シーケンスにより前記オーディオ信号を分割することを特徴とするオーディオ信号符号化装置。
2. 前記信号変化検出部で前記オーディオ信号の大きな時間的変化を検出した場合に、前記窓処理部が、前記大きな時間的変化の起きる時間に応じて、前記第２の窓関数を配置することを特徴とする請求項１記載のオーディオ信号符号化装置。
3. 前記窓処理部が、前記第２及び第４の窓関数の組み合わせ方を、前記第２の窓関数の重畳部が配置される位置に対応する桁を１もしくは０で示した２進数で表すことを特徴とする請求項２記載のオーディオ信号符号化装置。
4. 前記信号変化検出部がオーディオ信号のレベルもしくはスペクトルの時間的変化を検出することを特徴とする請求項１記載のオーディオ信号符号化装置。
5. 前記第４の窓関数は、前記第２の窓関数を複数個合成した窓長を有することを特徴とする請求項１記載のオーディオ信号符号化装置。
6. 請求項１記載のオーディオ信号符号化装置で符号化された信号を復号するためのオーディオ信号復号化装置であって、
   前記符号化された信号を復号化する復号化部と、
   前記復号化された信号を、窓シーケンスにしたがって重畳加算する重畳加算部とを備えたオーディオ信号復号化装置。
7. 請求項１記載の信号変化検出部および窓処理部を１個もしくは複数個の半導体上に集積した集積回路。
8. 請求項６記載の重畳加算部を１個もしくは複数個の半導体上に集積した集積回路。
9. オーディオ信号の時間的変化を検出する信号変化検出ステップと、
   前記信号変化検出ステップで検出された時間的変化に応じて決定した窓シーケンスによって前記オーディオ信号を分割する窓処理ステップと、
   前記窓処理ステップで分割された信号を符号化する符号化ステップとを有するオーディオ信号符号化方法であって、
   前記窓関数には、少なくとも、その両端に互いに重畳可能な長い重畳部を有する第１の窓関数、もしくはその両端に互いに重畳可能な短い重畳部を有する第２の窓関数、もしくはその片端に前記第１の窓関数の長い重畳部に重畳可能な長い重畳部と他端に前記第２の窓関数の短い重畳部に重畳可能な短い重畳部とこれらの重畳部の中間に値が一定の重畳しない非重畳部とを有する第３の窓関数、もしくはその両端に前記第２の窓関数の短い重畳部に重畳可能な短い重畳部とこれらの重畳部の中間に値が一定の重畳しない非重畳部とを有する第４の窓関数が含まれ、
   前記信号変化検出ステップで前記オーディオ信号の大きな時間的変化を検出した場合に、前記窓処理ステップにおいて、少なくとも１つの前記第２の窓関数と前記第４の窓関数とを組み合わせた窓シーケンスにより前記オーディオ信号を分割することを特徴とするオーディオ信号符号化方法。
10. 請求項９記載のオーディオ信号符号化方法で符号化された信号を復号するためのオーディオ信号復号化方法であって、
    前記符号化された信号を復号化する復号化ステップと、
    前記復号化された信号を、窓シーケンスにしたがって重畳加算する重畳加算ステップとを有するオーディオ信号復号化方法。
11. 請求項９記載のオーディオ信号符号化方法もしくは請求項１０記載のオーディオ信号復号化方法の各ステップをコンピュータに実行させるためのプログラム。

Images