JP2007505346A - 遷移のオーディオ信号成分の符号化 - Google Patents

Abstract

オーディオ信号ｘ（ｔ）を符号化する方法が開示される。オーディオ信号の遷移の信号成分の位置が推定される。遷移する信号成分の第一の部分ｔ_iは、第一の複数の正弦波成分でモデル化される。遷移する信号成分の第一の部分と遷移する信号成分との差ｄが推定される。差は、差のエネルギーの測定値Ｅでモデル化され、測定値Ｅは、オーディオストリームＡＳに含まれる。

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。

図１を参照して、パラメトリックコーディングスキーム、特に正弦波コーダは、米国公開出願番号２００１／００３２０８７Ａ１に記載されている。このコーダ１では、チャネル１０から供給される入力オーディオ信号ｘ（ｔ）は、典型的に長さ２０ｍｓである数個の（オーバラップする）フレームのセグメントに分割される。一般に、それぞれのセグメントは、連続する符号化ステージ１１，１３及び１４により、遷移（Ｃ_T）コンポーネント、正弦波（Ｃ_S）コンポーネント及びノイズ（Ｃ_N）コンポーネントに分割される（また、これらは本発明の目的とは関係ないが、ハーモニックコンプレックスのような入力オーディオ信号の他の成分を導出することも可能である）。

コーダの第一のステージは、遷移検出器（ＴＤ）１１０、遷移分析器（ＴＡ）１１１及び遷移合成器（ＴＳ）１１２を含むトランジェントコーダ１１を有する。検出器１１０は、遷移の信号成分とその位置が存在するかを推定する。この情報は、遷移分析器１１１に供給される。遷移信号成分の位置が決定された場合、遷移分析器１１１は、遷移の信号成分（の主要な部分）を抽出しようとする。遷移分析器は、形状関数を、好ましくは推定された開始位置で開始する信号のセグメントに整合させ、たとえば多数（少数）の正弦波成分を利用することで形状関数の下にあるコンテンツを決定する。この情報は、遷移コードＣ_Tに含まれる。

遷移コードＣ_Tは、遷移合成器１１２に供給される。合成された遷移信号成分は、減算器１６において入力信号ｘ（ｔ）から減算される。

信号ｘ₂は、正弦波コーダ１３に供給され、ここで（決定論的に）正弦波成分を決定する正弦波分析器（ＳＡ）１３０で分析される。正弦波コーディングの最後の結果は、正弦波コードＣ_Sであり、例示的な正弦波コードＣ_Sの従来の発生を説明する更に詳細な例は、ＰＣＴ特許出願ＷＯ００／７９５１９Ａ１で提供されている。

正弦波コーダで生成された正弦波コードＣ_S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、正弦波コーダ１３への入力ｘ₂から減算器１７で減算され、（大きな）遷移の信号成分（transient signal component）と（主要な）決定論的な正弦波成分のない残りの信号ｘ₃を生じる。

残りの信号ｘ₃は、雑音を主に含むとされ、雑音分析器１４は、たとえばＰＣＴ特許出願ＷＯ０１／８９０８６Ａ１に記載されるような、この雑音を表すノイズコードＣ_Nを生成する。

マルチプレクサ１５では、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が構成される。

トランジェントコーダ１１では、カスタネット又はハイハットのアタックといった、時間的に分散されるイベントが生じた場合に、オーディオ信号の一部がトランジェント（遷移）としてラベル付けされる。

米国公開出願２００１／００３２０８７Ａ１では、特定の遷移の窓（すなわちＭｅｉｘｎｅｒ窓）により窓掛けされた多数の正弦波をもつ遷移がモデル化される。図２では、オーディオ信号（実線）の推定されたＭｅｉｘｎｅｒ窓（破線）が示されている。トランジェントの推定手順は、３つのステップを含んでいる。

トランジェントの位置推定；オーディオ信号におけるトランジェントの位置は、遷移の検出器１１０で決定される。

トランジェントの包絡線推定；Ｍｅｉｘｎｅｒ窓のケースでは、遷移の時間的な包絡線を示しているが、遷移分析器１１１により推定される。

正弦波のコンテンツ推定；推定されたＭｅｉｘｎｅｒ窓を使用して、分析器１１１は、トランジェントを記載するために多数の正弦波を推定する。正弦波は、周波数及び３つの複素数である多項式の振幅により表される。

実現では、Ｍｅｉｘｎｅｒ遷移について７つの正弦波が使用され、トランジェントモジュールにより必要とされるビットレートレンジは、オーディオ信号で検出されたトランジェント数に依存して、典型的に０．５ｋｂｉｔ／ｓと２．０ｋｂｉｔ／ｓとの間にある。

先に記載された遷移モデリングを使用することで、遷移を含む引用のための公正な音声品質が得られる。しかし、音声品質は、遷移をモデル化するために使用される正弦波の数を増加することで改善することができる。このケースでは、遷移のアタックが良好に定義され、遷移の多くの「存在」が得られる。たとえば、７から２５に正弦波の数を増加することで良好な結果が得られることが分かっている。

図３を参照して、７つの正弦波（破線）及び２５の正弦波（実線）によりモデル化される遷移のスペクトルがそれぞれ示されている。２５の正弦波によりモデル化されるトランジェントのスペクトルは、オリジナルのトランジェントのスペクトルに類似し、７つの正弦波によりモデル化されるトランジェントは、７つの正弦波がスペクトルにおいて重要なピークをモデル化するとしても、スペクトルに明らかなホールを有する。

しかし、２５の正弦波を使用して、トランジェントモジュール１１により必要とされるビットレートは、（７つの正弦波を使用した２ｋｂｉｔ／ｓから）６ｋｂｉｔ／ｓの前後に大幅に増加する。遷移部分について、このビットレートにおける増加は、コーダの正弦波及び／ノイズモデリングコンポーネント１３，１４においてセーブされる必要があり、全体の音質が低減する。

本発明によれば、請求項１記載の方法が提供される。
本発明は、遷移の説明において雑音成分のパラメータを含むことで現在の遷移モデルを拡張する。正弦波のみを使用する代わりに、遷移を説明するために正弦波と雑音の両者が使用される。

好適な実施の形態では、正弦波と雑音によりモデル化される遷移の時間インターバルは異なる。

遷移の雑音成分のパラメータは、ビットレートにおける小さな増加となる。しかし、知覚される遷移の品質が改善される。

本発明は、音質を維持しつつ、更なる正弦波により必要とされるビットレートを低減する。これは、最初の正弦波のように、更なる正弦波がスペクトルにおける明らかなピークをモデル化せず、むしろ、更なる正弦波は、最初の正弦波の間のギャップを多かれ少なかれ満たすためである。時間領域では、更なる正弦波により説明される信号は、雑音のようなものであり、したがって、これらスペクトルの部分は、ノイズパラメータで更に効率的にモデル化されることが分かっている。

本発明の実施の形態は、添付図面を参照して、例を通して記載される。
本発明の好適な実施の形態によれば、先に記載された更なる正弦波は、更なる正弦波と同じエネルギーをもつ分散されたノイズバーストによりモデル化される。ノイズバーストは、遷移の開始に配置され、固定された時間窓は、ノイズバーストを成形するために使用される。ノイズバーストのエネルギーのみが符号化された信号ＡＳの遷移コードＣ_Tで送信される必要があり、実施の形態を実現するためのビットレートの要件が僅かに増加されるのみである。図４は、遷移のスペクトルを示しており、ノイズバーストは、７つの正弦波によりモデル化されるスペクトル（破線）に追加される。スペクトルは、２５の正弦波によりモデル化される遷移のスペクトル（実線）に匹敵する。

より詳細には、好適な実施の形態のエンコーダでは、遷移分析器１１１は、Ｍｅｉｘｎｅｒ遷移を推定し、従来の方式で多数（たとえば２５）の正弦波を使用して遷移をモデル化する。この信号はｔ_hにより示され、（４４．１ｋＨｚのサンプリングレートで）長さＵ＝７２０サンプルを有する。（たとえば７である）最も適切な正弦波は、別の遷移信号ｔ_lを生成するために使用される。最も適切な正弦波の選択は、たとえばエネルギーベースのコスト関数又は他の従来の規準を利用することができる。いずれのケースであっても、信号ｔ_lは、信号ｔ_hから減算され、ノイズバーストを生成するために使用される差信号ｄ＝ｔ_h−ｔ_lを提供する。

ノイズバーストは、遷移の開始に配置され、好ましくは遷移よりも短い長さＬを有する。好適な実施の形態では、（４４．１ｋＨｚサンプリングレートで）Ｌ＝１５０サンプルである。差信号は、以下の関数に従って窓掛けされる。
ｄ_w（ｎ）＝ｄ（ｎ）ｗ_o（ｎ）、ｎ＝１，．．．，Ｌ
ｗ_oは、フェードアウトスロープをもつ窓であって、以下のように定義される。

フェードアウトは、ハニング窓の第二の部分である。しかし、窓の異なる定義も可能である。

窓掛けされたセグメントｄ_wのエネルギーは、以下のように測定される。

信号ｔ_lを含む正弦波のパラメータに合わせたエネルギーＥは、量子化され、遷移コードＣ_Tの一部としてデコーダに送信される。したがって、差信号ｄの（更なる）正弦波に関連する情報は捨てられ、ノイズバーストパラメータにより置き換えられる。

信号ｔ_hは、従来のエンコーダにおけるように合成器１１２により合成され、先のように正弦波分析モジュール１３に供給される残差信号ｘ₂を生成するため、入力信号ｘ（ｔ）から減算される。代替的に、遷移コードＣ_Tは、残差信号ｘ₂を生成するため、入力信号ｘ（ｔ）から減算される前に、（以下に説明される）デコーダにおけるように合成器１１２により合成される。

このようにして、遷移部分は、オーディオコーダの正弦波モジュール１３及びノイズモジュール１４により良好にモデル化される。

ここで図６を参照して、本発明の好適な実施の形態に係るデコーダは、一般に、米国公開出願２００１／００３２０８７Ａ１のデコーダと同じ構成である。ここで、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、ストレージメディア等のようなチャネルから得られる。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で分離される。これらのコードは、遷移合成器３１、正弦波合成器３２及び雑音合成器３３のそれぞれに供給される。

本発明の好適な実施の形態では、遷移合成器３１では、最初の正弦波を含む信号ｔ_lのパラメータは、図７の合成器ＴＳＳにおいて正弦波を再構成するために使用される。次いで、この信号は、従来のやり方でＭｅｉｘｎｅｒ関数のパラメータｂ，ζに従って窓掛け（ＭＤＷ）される。

同時に、符号化されたエネルギーの値が再構成され、エネルギー

（外１）

を生じる。白色雑音発生器（ＷＮＧ）は、長さＬをもつハイパスフィルタのノイズのセグメントを提供する。好ましくは、ハイパスフィルタは、雑音により非常に低い周波数のモデリングを回避するため、３００Ｈｚの遮断周波数を有する。フィルタリングされたノイズ信号は、好ましくは長さＬのハニング窓であるウィンドウｗを使用して窓掛け（ＷＤＷ）される。しかし、（たとえば非対称なハニング窓といった）他のウィンドウも可能である。

窓掛けされたノイズ信号はｒ_wにより示される。この信号は、以下に従って計算されるゲインｇ_lによりスケーリングされる。

結果的に生成されたエネルギーバーストは、加算器３９において遷移の合成された正弦波成分に追加され、したがって信号ｙ（ｔ）の他の合成された成分に追加されているとき、先のように扱うことができる遷移信号ｙ_Tの合成を完了する。

図５では、モデル化された遷移の正弦波成分及び雑音成分が示されている。上のトレースは、遷移の時間信号を示す。第二のトレースは、遷移のモデル化された正弦波成分を示し、下のトレースは、遷移の開始に位置されるノイズバーストを示している。遷移の大部分は正弦波成分により記載されるが、重要な遷移のアタックでは、雑音成分が追加される。

図６を参照して、正弦波コードＣ_Sは、所与のセグメントでの正弦波の合計として示される信号ｙ_Sを生成するために使用される。同時に、ノイズコードＣ_Nは、雑音合成器ＮＳ３３に供給され、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。ＮＳ３３は、ノイズコードＣ_Nを持つ白色雑音信号をフィルタリングすることで再構成された雑音ｙ_Nを生成する。

全体の信号ｙ（ｔ）は、遷移信号ｙ_Tと振幅の伸張（ｇ）の積との合計、及び正弦波信号ｙ_Sと雑音信号ｙ_N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に２つの加算器３６及び３７を含んでいる。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。

本発明は、遷移が窓掛けされた正弦波で示されるオーディオコーダで使用することができる。

オーディオコーダのブロック図である。 カスタネットの抜粋（実線）のトランジェントエンベロープ（破線）の例である。 ７の正弦波（破線）及び２５の正弦波（実線）のそれぞれによりモデル化される遷移のスペクトルの例を示す図である。 ２５の正弦波によりモデル化される遷移のスペクトル（実線）に比較される、本発明の好適な実施の形態に係る雑音で拡張される遷移のスペクトル（破線）の例を示す図である。 本発明の好適な実施の形態に従ってモデル化される遷移のコンポーネントを示す図である。 オーディオデコーダのブロック図である。 本発明の好適な実施の形態に係る合成器の更に詳細な図である。

Claims (15)

1. オーディオ信号を符号化する方法であって、
   オーディオ信号の遷移の信号成分の位置を推定するステップと、
   第一の複数の正弦波成分で前記遷移の信号成分の第一の部分をモデル化するステップと、
   前記遷移の信号成分の第一の部分と前記遷移の信号成分との間の差を推定するステップと、
   前記差のエネルギーの測定値で前記差をモデル化するステップと、
   オーディオストリームに前記測定値を含めるステップと、
   を含むことを特徴とする方法。
2. 前記第一の部分をモデル化するステップは、
   第二の複数の正弦波成分で前記遷移の信号成分をモデル化するステップと、
   規準に従って前記第一の複数の正弦波成分を前記第二の複数の正弦波成分から選択するステップと、
   を含む請求項１記載の方法。
3. 前記規準は、前記正弦波成分のエネルギーに関する、
   請求項２記載の方法。
4. 前記推定するステップは、前記差を提供するために前記第二の複数の正弦波成分でモデル化された遷移から前記第一の複数の正弦波成分でモデル化された遷移を減算するステップを更に含む、
   請求項２記載の方法。
5. 前記推定するステップは、前記差を小さくするため、時間領域で前記差に窓掛けするステップを更に含む、
   請求項４記載の方法。
6. 前記窓は、前記遷移の信号成分よりも時間的に短い、
   請求項５記載の方法。
7. 前記差をモデル化するステップは、前記窓掛けされた差のエネルギーを決定するステップを含む、
   請求項５記載の方法。
8. オーディオストリームを復号化する方法であって、
   それぞれが第一の複数の正弦波成分及びエネルギー測定値を含む１以上の遷移コード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、
   前記第一の複数の正弦波成分と遷移の信号成分の第一の部分を合成するステップと、
   前記遷移の信号成分の時間周期について雑音を合成するステップと、
   前記エネルギー測定値に従って前記合成された雑音を変更するステップと、
   前記合成された第一の部分と前記変更された雑音を加算し、オーディオ信号の合成された遷移成分を生成する、
   を含むことを特徴とする方法。
9. 前記合成された雑音をハイパスフィルタでフィルタリングするステップを更に含む、
   請求項８記載の方法。
10. 前記時間周期にわたり前記雑音を小さくするため、前記合成された雑音を窓掛けするステップを更に含む、
    請求項８記載の方法。
11. 前記変更するステップは、前記エネルギー測定値により前記合成された雑音をスケーリングするステップを含む、
    請求項８記載の方法。
12. オーディオ信号の遷移成分の第一の部分を表す第一の複数の正弦波成分と、前記
    遷移の信号成分の第一の部分とそれぞれの遷移の信号成分との間の差を表すエネルギー測定値をそれぞれ含む、１以上の遷移コードを含むオーディオストリーム。
13. オーディオ信号の遷移の信号成分の位置を推定する分析手段と、
    前記遷移の信号成分の第一の部分を第一の複数の正弦波成分でモデル化する第一のモデリングコンポーネントと、
    前記遷移の信号成分の第一の部分と前記遷移の信号成分との間の差を推定する手段と、
    前記差を前記差のエネルギーの測定値でモデリングする第二のモデリングコンポーネントと、
    オーディオストリームに前記測定値を含むために構成されるビットストリーム発生手段と、
    を有することを特徴とするオーディオコーダ。
14. 第一の複数の正弦波成分とエネルギーの測定値とをそれぞれ有する、１以上の遷移コードを含む符号化されたオーディオストリームを読む手段と、
    前記第一の複数の正弦波成分で遷移の信号成分の第一の部分を合成する合成手段と、
    前記遷移の信号成分の時間周期について雑音を合成する合成手段と、
    前記エネルギー測定値にしたがって前記合成された雑音を変更する手段と、
    前記合成された第一の部分と前記変更された雑音とを加算し、オーディオ信号の合成された遷移成分を生成する加算手段と、
    を有することを特徴とするオーディオプレーヤ。
15. 請求項１３記載のオーディオコーダと請求項１４記載のオーディオプレーヤを有するオーディオシステム。

Images