JP2008139781A - 音声符号化方法および装置 - Google Patents

Abstract

【課題】サンプリング周波数が、テーブルに規定された範囲外のものである場合に符号化を行えない。
【解決手段】量子化テーブル保持部２０は、所定のビットレートおよび所定のサンプリング周波数の組み合わせごとに規定された量子化テーブルＴＢ１〜ＴＢｎを保持する。仮想ビットレート算出部６０は、量子化テーブル保持部に規定される所定のサンプリング周波数の最小値をｆｍｉｎ、最大値をｆｍａｘ、ｆｍｉｎ≦ｆｐ≦ｆｍａｘなる所定の周波数をｆｐとするとき、音声データＤ１のサンプリング周波数ｆｓが最小値ｆｍｉｎより低い場合に、仮想ビットレートβを、β＝α×ｆｐ／ｆｓにより算出する。量子化テーブル選択部３０は、サンプリング周波数ｆｓと、ビットレートαの組み合わせに対応して規定された量子化テーブルを選択する。量子化部４０は、量子化テーブル選択部３０により選択された量子化テーブルにもとづき、サブバンドごとのデータを量子化する。
【選択図】図１

Description

本発明は、音声信号を圧縮、符号化する技術に関する。

近年のデジタル放送やＤＶＤ（Digital Versatile Disc）などの普及にともない、ＰＣＭ（Pulse Code Modulation）形式でデジタル化された音声データ（以下、音声データともいう）を、圧縮符号化する技術が利用されている。たとえば、音声データの圧縮方式の代表的な方式として、ＭＰＥＧ（Moving Picture Expert Group）Ａｕｄｉｏが知られている。

ＭＰＥＧによってこうした音声データの圧縮符号化を行う場合、音声データを時間領域から離散コサイン変換（Discrete Cosine Transform、以下ＤＣＴと略す）を利用して周波数領域のデータに変換し、帯域をサブバンドに分割する。ＭＰＥＧでは、聴覚心理モデルなどを考慮して各サブバンドごとに適切な量子化（符号化）を行うことにより、音質の劣化を抑えつつデータ量を圧縮する。
特開２００２−１４６９７号公報

音声符号化では、符号化の対象となる音声データのサンプリング周波数と、符号化後のビットレートの組み合わせに応じて、サブバンドごとのデータを量子化する際に利用するテーブルを用意する。符号化の際には、サンプリング周波数等に応じて適切なテーブルを選択し、これを利用して符号化処理を行っている。

しかしながら、この方法では、サンプリング周波数やビットレートが、テーブルに規定された範囲外のものである場合に符号化を行えないという問題があった。

本発明は状況に鑑みてなされたものであり、その目的のひとつは、テーブルが存在しないサンプリング周波数に対しても、符号化が可能な符号化技術の提供にある。

本発明のある態様によれば、サンプリング周波数ｆｓでサンプリングされた音声データを符号化し、指定されたビットレートαの符号化データを生成する音声符号化装置が提供される。この音声符号化装置は、音声データを周波数領域に変換し、サブバンドに分割する周波数変換部と、所定のビットレートおよび所定のサンプリング周波数の組み合わせごとに規定された量子化テーブルを保持する量子化テーブル保持部と、音声データのサンプリング周波数ｆｓと、符号化後のビットレートαの組み合わせに対応して規定された量子化テーブルを選択する量子化テーブル選択部と、量子化テーブル選択部により選択された量子化テーブルにもとづき、サブバンドごとのデータを量子化する量子化部と、量子化部により生成された量子化データを、所定の形式で符号化する符号化部と、量子化テーブル保持部に規定される所定のサンプリング周波数の最小値をｆｍｉｎ、最大値をｆｍａｘ、ｆｍｉｎ≦ｆｐ≦ｆｍａｘなる所定の周波数をｆｐとするとき、音声データのサンプリング周波数ｆｓが最小値ｆｍｉｎより低い場合に、仮想ビットレートβを、β＝α×ｆｐ／ｆｓにより算出する仮想ビットレート算出部と、を備える。量子化テーブル選択部は、ｆｓ＜ｆｍｉｎのとき、仮想ビットレートβと周波数ｆｐの組み合わせに対して規定された量子化テーブルを選択する。
ｆｐ＝ｆｍｉｎであってもよい。

この態様によると、サンプリング周波数ｆｓとビットレートαをともに略等倍して量子化テーブルを選択することによって、量子化テーブルに本来規定されていないサンプリング周波数ｆｓの音声データに対しても符号化処理が可能となる。

量子化テーブル選択部は、ｆｓ＜ｆｍｉｎであって、仮想ビットレートβが、量子化テーブル保持部に規定される所定のビットレートの最小値Ｍより低い場合に、ビットレートの最小値Ｍと周波数ｆｐの組み合わせに対して規定された量子化テーブルを選択してもよい。

本発明の別の態様も、音声符号化装置に関する。この音声符号化装置は、音声データを周波数領域に変換し、サブバンドに分割する周波数変換部と、所定のビットレートおよび所定のサンプリング周波数の組み合わせごとに規定された量子化テーブルを保持する量子化テーブル保持部と、音声データのサンプリング周波数ｆｓと、符号化後のビットレートαの組み合わせに対応して規定された量子化テーブルを選択する量子化テーブル選択部と、量子化テーブル選択部により選択された量子化テーブルにもとづき、サブバンドごとのデータを量子化する量子化部と、量子化部により生成された量子化データを、所定の形式で符号化する符号化部と、音声データのサンプリング周波数ｆｓが、量子化テーブル保持部に規定される所定のサンプリング周波数の最小値ｆｍｉｎより低いとき、仮想ビットレートβを、β＝α×ｆｍｉｎ／ｆｓにより算出する仮想ビットレート算出部と、を備える。量子化テーブル選択部は、ｆｓ＜ｆｍｉｎのとき、仮想ビットレートβと最小値ｆｍｉｎの組み合わせに対して規定された量子化テーブルを選択する。

ある態様において、音声符号化装置は、本音声符号化装置から出力される符号化データに、サンプリング周波数を記述する第１データを付加する情報付加部をさらに備えてもよい。この情報付加部は、ｆｓ＜ｆｍｉｎのとき、第１データの値を、ｆｍｉｎに修正してもよい。
この場合、復号装置において、符号化の際に行われたテーブル選択処理を意識することなく、符号化された音声データを復号することができる。

ある態様において、音声符号化装置は、本音声符号化装置から出力される符号化データに、ビットレートを記述する第２データを付加する情報付加部をさらに備えてもよい。この情報付加部は、α＜Ｍのとき、ビットレートを記述する第２データの値を、Ｍに修正してもよい。
この場合、復号装置において、符号化の際に行われたテーブル選択処理を意識することなく、符号化された音声データを復号することができる。

本発明の別の態様によれば、サンプリング周波数ｆｓでサンプリングされた音声データを符号化し、ビットレートαの符号化データを生成する音声符号化プログラムが提供される。このプログラムは、演算処理手段を用いて、前記音声データを周波数領域に変換し、サブバンドに分割するステップと、記憶手段に、所定のビットレートおよび所定のサンプリング周波数の組み合わせごとに規定された量子化テーブルを記憶させるステップと、量子化テーブルの中から、音声データのサンプリング周波数ｆｓと、符号化後のビットレートαの組み合わせに対応して規定された量子化テーブルを選択する選択ステップと、演算手段を用いて、選択された量子化テーブルにもとづき、サブバンドごとのデータを量子化するステップと、演算手段を用いて、音声データのサンプリング周波数ｆｓが、規定される所定のサンプリング周波数の最小値ｆｍｉｎより低いとき、仮想ビットレートβを、β＝α×ｆｍｉｎ／ｆｓにより算出するステップと、を備える。選択ステップにおいて、演算手段は、ｆ＜ｆｍｉｎのとき、仮想ビットレートβとｆｍｉｎの組み合わせに対して規定された量子化テーブルを選択する。
演算手段としては、ＣＰＵやマイクロプロセッサ、ＤＳＰ（Digital Signal Processor）が例示され、記憶手段としては、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）などのメモリ、レジスタ、ハードディスク装置、光ディスク装置、磁気ディスク装置などが例示される。

なお、以上の構成要素の任意の組合せ、本発明の表現を、方法、装置、プログラムおよびその記憶媒体、システムなどの間で変換したものもまた、本発明の態様として有効である。

本発明によれば、テーブルが存在しないサンプリング周波数に対しても、符号化が可能となる。

以下、本発明を好適な実施の形態をもとに図面を参照しながら説明する。各図面に示される同一または同等の構成要素、部材、処理には、同一の符号を付するものとし、適宜重複した説明は省略する。また、実施の形態は、発明を限定するものではなく例示であって、実施の形態に記述されるすべての特徴やその組み合わせは、必ずしも発明の本質的なものであるとは限らない。

図１は、本発明の実施の形態に係る音声符号化装置１００の構成を示すブロック図である。なお、図中、様々な処理を行う機能ブロックとして記載される各要素は、ハードウェア的には、ＣＰＵ、メモリ、ＤＳＰその他のＬＳＩで構成することができ、ソフトウェア的には、メモリにロードされたプログラムなどによって実現される。したがって、これらの機能ブロックがハードウェアのみ、ソフトウェアのみ、またはそれらの組合せによっていろいろな形で実現できることは当業者には理解されるところであり、いずれかに限定されるものではない。

音声符号化装置１００は、サンプリング周波数ｆｓでサンプリングされた音声データＤｉｎを符号化し、ビットレートαの符号化データを生成する。符号化形式としては、ＭＰＥＧ Ａｕｄｉｏなどが例示されるが、これに限定されるものではない。音声符号化装置１００は、周波数変換部１０、量子化テーブル保持部２０、量子化テーブル選択部３０、量子化部４０、符号化部５０、仮想ビットレート算出部６０、ヘッダ情報修正部７０を備える。

音声符号化装置１００には入力データＤｉｎが入力される。この入力データＤｉｎは、音声データＤ１と、ヘッダ情報Ｄ２を含んでいる。音声データＤ１は、オーディオ信号がサンプリング周波数ｆｓにてサンプリングされたデータであり、たとえばＰＣＭ（Pulse Code Modulation）によってデジタルデータに変換されている。音声データＤ１のサンプリング周波数ｆｓの値は、ヘッダ情報Ｄ２に付加的な情報として既述される。また、音声符号化装置１００には、符号化後のターゲットビットレートを指定するデータ（以下、単にビットレートαという）が入力される。

音声データＤ１は、周波数変換部１０に入力される。周波数変換部１０は、音声データを、所定の時間ごとに分割し、分割された時間領域のデータを順次、離散コサイン変換、あるいは修正離散コサイン変換などを利用して、周波数領域のデータに変換する。周波数変換部１０は、周波数領域のデータを複数（以下、３２個とする）のサブバンドデータＳＢ１〜ＳＢ３２に分割する。

音声符号化装置１００は、ビットレートαとサンプリング周波数ｆｓに応じて、サブバンドごとのデータＳＢ１〜ＳＢ３２を量子化する。量子化テーブル保持部２０には、このための複数の量子化テーブルＴＢ１〜ＴＢｎが保持される。量子化テーブルＴＢ１〜ＴＢｎは、所定のビットレートおよび所定のサンプリング周波数ｆｓの組み合わせごとに規定される。図２は、ビットレートαおよびサンプリング周波数ｆｓと、量子化テーブルＴＢ１〜ＴＢｎ（ｎ＝１６）の関係を示す図である。量子化テーブルＴＢは、サブバンドのデータＳＢ１〜ＳＢｎごとに、量子化に割り当てるビット数などを規定する。

量子化テーブルは、ビットレートαの値に応じて、Ｍ０〜Ｍ１（ｋｂｐｓ）、Ｍ１〜Ｍ２、Ｍ２〜Ｍ３、Ｍ３〜Ｍ４の４つの範囲に対して規定される。また、量子化テーブルは、サンプリング周波数ｆｓの範囲ごとに応じて規定されており、ｆ０〜ｆ１（ｋＨｚ）、ｆ１〜ｆ２、ｆ２〜ｆ３、ｆ３〜ｆ４の範囲ごとに規定される。ビットレートαが低い場合、上述のサブバンドのうち高周波成分を除去し、あるいは量子化に割り当てるビット数を減らすように量子化テーブルが規定され、高圧縮率が実現される。また、同一のビットレートに対しては、サンプリング周波数ｆｓが高くなるに従い、高圧縮率が要求される。したがって、サンプリング周波数ｆｓが高くなると、高周波のサブバンドが、除去され、あるいは低解像度で量子化される。量子化テーブルＴＢの個数は、周波数の分割数、ビットレートの分割数に応じて決定され、図２のように周波数を４分割、ビットレートを４分割した場合、最大で１６個の量子化テーブルが用意される。いくつかの量子化テーブルは同一であってもよい。

量子化テーブル選択部３０には、音声データのサンプリング周波数ｆｓと、符号化後のビットレートαが入力される。量子化テーブル選択部３０は、サンプリング周波数ｆｓとビットレートαの組み合わせに対応して規定された量子化テーブルＴＢを選択する。たとえば、ｆ０≦ｆｓ＜ｆ１、Ｍ２≦α＜Ｍ３の場合、量子化テーブル選択部３０は量子化テーブルＴＢ３を選択する。

量子化部４０は、量子化テーブル選択部３０により選択された量子化テーブルＴＢｓにもとづき、サブバンドごとのデータＳＢを量子化する。サブバンドごとに量子化されたデータ（以下、量子化データＳＢａという）は、符号化部５０に入力される。
符号化部５０は、量子化部４０により生成された量子化データＳＢａを、所定の形式で符号化する。符号化の形式としては、ハフマン符号化などが好適に利用される。

いま、量子化テーブル保持部２０に規定される所定のサンプリング周波数の最小値をｆｍｉｎ、最大値をｆｍａｘとする。また、ｆｍｉｎ≦ｆｐ≦ｆｍａｘなる所定の周波数をｆｐとする。本実施の形態では、所定の周波数ｆｐは、最小値ｆｍｉｎに設定される。
仮想ビットレート算出部６０は、音声データＤ１のサンプリング周波数ｆｓが最小値ｆｍｉｎより低い場合に、仮想ビットレートβを、
β＝α×ｆｐ／ｆｓ＝α×ｆｍｉｎ／ｆｓ
に従って算出する。
量子化テーブル選択部３０は、ｆｓ＜ｆｍｉｎのとき、仮想ビットレートβとサンプリング周波数の所定値ｆｐの組み合わせに対して規定された量子化テーブルを選択する。

たとえば、ｆ０＝ｆｍｉｎ＝１６ｋＨｚの場合に、ｆｓ＝８ｋＨｚの音声データＤ１が入力されたとする。また、ターゲットとなるビットレートαが、１６ｋｂｐｓであったとする。この場合、仮想ビットレートβは、
β＝１６（ｋｂｐｓ）×１６（ｋＨｚ）／８（ｋＨｚ）＝３２ｋｂｐｓ
となる。したがって、量子化テーブル選択部３０は、ｆｍｉｎ＝１６ｋＨｚ、β＝３２ｋｂｐｓに対して規定された量子化テーブルＴＢ１を選択する。
もし、ｆｐをｆｍｉｎと異なる値、たとえば２４ｋＨｚとした場合、
β＝１６（ｋｂｐｓ）×２４（ｋＨｚ）／８（ｋＨｚ）＝４８ｋｂｐｓ
となる。

また、量子化テーブル選択部３０は、ｆｓ＜ｆｍｉｎであって、仮想ビットレートβが、量子化テーブル保持部２０に規定される所定のビットレートの最小値Ｍ０より低い場合、ビットレートの最小値Ｍ０とサンプリング周波数の最小値ｆｍｉｎの組み合わせに対して規定された量子化テーブル、すなわちＴＢ１を選択する。

量子化テーブル選択部３０は、仮想ビットレートβが、量子化テーブル保持部２０に規定される所定のビットレートの最大値Ｍ４より大きい場合、ビットレートの最大値Ｍ４とサンプリング周波数の最小値ｆｍｉｎの組み合わせに対して規定された量子化テーブル、すなわちＴＢ４を選択する。
なお、上述のｆｐの値をいくつに設定するかについては、音質を見極めた上で決定すればよいが、ｆｐを高く設定すると、仮想ビットレートβがテーブルに規定されるビットレートの最大値Ｍ４を超える場合が超える場合があり、このときは最大値Ｍ４に対して規定されるテーブルが使用される。

ヘッダ情報修正部７０は、音声符号化装置１００から出力される符号化データＤｏｕｔに、サンプリング周波数ｆｓを記述する第１データＤｈ１を量子化データＤｏｕｔのヘッダ情報もしくはメタデータとして付加する。
さらにヘッダ情報修正部７０は、音声符号化装置１００から出力される符号化データＤｏｕｔに、ビットレートαを記述する第２データＤｈ２をヘッダ情報、もしくはメタデータとして付加する。

ヘッダ情報修正部７０は、ｆｓ＜ｆｍｉｎのとき、第１データＤｈ１の値を、ｆｍｉｎに修正する。また、ヘッダ情報修正部７０は、α＜Ｍのとき、第２データＤｈ２の値を、Ｍに修正する。

以上のように構成された音声符号化装置１００によれば、量子化テーブルの規定範囲を外れたサンプリング周波数ｆｓの音声データＤ１が入力された場合であっても、サンプリング周波数が、ｆｍｉｎ≦ｆｐ≦ｆｍａｘの範囲に収まるように正規化して、仮想ビットβを算出することにより、好適に符号化を実行することができる。

さらに、ヘッダ情報修正部７０によって、符号化データＤｏｕｔのヘッダ情報を修正することにより、復号側において、特別な処理を必要とせずに、もとの音声信号を等速で確実に再生することができる。

つまり、従来においては、音声データのサンプリング周波数、ビットレートが規定されたもののみが符号化可能であり、それ以外のデータに関しては符号化できず、また符号化データのフォーマットで規定されていないため、復号装置側で復号処理が行えなかった。かかる事情から、サンプリング周波数の高い音声データと、低い音声データの規格は別個に規定されており、サンプリング周波数が異なる音声データに対して同一の符号化処理を行うことは困難であった。これに対して、本実施の形態では、ｆｓ＜ｆｍｉｎなる音声データに対して、別途符号化データのフォーマットを規定することなく、ｆｍｉｎ＜ｆｓ＜ｆｍａｘに対して規定された図２のテーブルを利用して符号化および復号が可能となる。

実施の形態にもとづき、本発明を説明したが、実施の形態は、本発明の原理、応用を示しているにすぎないことはいうまでもなく、実施の形態には、請求の範囲に規定された本発明の思想を離脱しない範囲において、多くの変形例や配置の変更が可能であることはいうまでもない。

実施の形態では、ｆｔ＝ｆｍｉｎの場合について説明したが、本発明はこれに限定されるものではなく、ｆｍｉｎ≦ｆｔ≦ｆｍａｘの範囲で適切に決めることができる。

本発明の実施の形態に係る音声符号化装置の構成を示すブロック図である。 ビットレートαおよびサンプリング周波数ｆｓと、量子化テーブルの関係を示す図である。

符号の説明

１００ 音声符号化装置、 １０ 周波数変換部、 ２０ 量子化テーブル保持部、 ３０ 量子化テーブル選択部、 ４０ 量子化部、 ５０ 符号化部、 ６０ 仮想ビットレート算出部、 ７０ ヘッダ情報修正部。

Claims (8)

1. サンプリング周波数ｆｓでサンプリングされた音声データを符号化し、ビットレートαの符号化データを生成する音声符号化装置であって、
   前記音声データを周波数領域に変換し、サブバンドに分割する周波数変換部と、
   所定のビットレートおよび所定のサンプリング周波数の組み合わせごとに規定された量子化テーブルを保持する量子化テーブル保持部と、
   前記音声データのサンプリング周波数ｆｓと、符号化後のビットレートαの組み合わせに対応して規定された量子化テーブルを選択する量子化テーブル選択部と、
   前記量子化テーブル選択部により選択された量子化テーブルにもとづき、サブバンドごとのデータを量子化する量子化部と、
   前記量子化部により生成された量子化データを、所定の形式で符号化する符号化部と、
   前記量子化テーブル保持部に規定される所定のサンプリング周波数の最小値をｆｍｉｎ、最大値をｆｍａｘ、ｆｍｉｎ≦ｆｐ≦ｆｍａｘなる所定の周波数をｆｐとするとき、前記音声データのサンプリング周波数ｆｓが最小値ｆｍｉｎより低い場合に、仮想ビットレートβを、β＝α×ｆｐ／ｆｓにより算出する仮想ビットレート算出部と、
   を備え、
   前記量子化テーブル選択部は、ｆｓ＜ｆｍｉｎのとき、前記仮想ビットレートβと前記周波数ｆｐの組み合わせに対して規定された量子化テーブルを選択することを特徴とする音声符号化装置。
2. ｆｐ＝ｆｍｉｎであることを特徴とする請求項１に記載の音声符号化装置。
3. 前記量子化テーブル選択部は、
   ｆｓ＜ｆｍｉｎであって、前記仮想ビットレートβが、前記量子化テーブル保持部に規定される所定のビットレートの最小値Ｍより低い場合に、
   ビットレートの最小値Ｍと前記周波数ｆｐの組み合わせに対して規定された量子化テーブルを選択することを特徴とする請求項１または２に記載の音声符号化装置。
4. 本音声符号化装置から出力される符号化データに、サンプリング周波数を記述する第１データを付加する情報付加部をさらに備え、
   当該情報付加部は、ｆｓ＜ｆｍｉｎのとき、第１データの値を、ｆｍｉｎに修正することを特徴とする請求項１または２に記載の音声符号化装置。
5. 本音声符号化装置から出力される符号化データに、ビットレートを記述する第２データを付加する情報付加部をさらに備え、
   当該情報付加部は、α＜Ｍのとき、前記ビットレートを記述する第２データの値を、Ｍに修正することを特徴とする請求項１または２に記載の音声符号化装置。
6. サンプリング周波数ｆｓでサンプリングされた音声データを符号化し、ビットレートαの符号化データを生成する音声符号化方法であって、
   前記音声データを周波数領域に変換し、サブバンドに分割するステップと、
   所定のビットレートおよび所定のサンプリング周波数の組み合わせごとに予め規定された量子化テーブルの中から、前記音声データのサンプリング周波数ｆｓと、符号化後のビットレートαの組み合わせに対応して規定された量子化テーブルを選択するステップと、
   選択された量子化テーブルにもとづき、サブバンドごとのデータを量子化するステップと、
   前記音声データのサンプリング周波数ｆｓが、規定される所定のサンプリング周波数の最小値ｆｍｉｎより低いとき、仮想ビットレートβを、β＝α×ｆｍｉｎ／ｆｓにより算出するステップと、
   を備え、
   前記量子化テーブルを選択するステップは、ｆｓ＜ｆｍｉｎのとき、前記仮想ビットレートβと前記ｆｍｉｎの組み合わせに対して規定された量子化テーブルを選択することを特徴とする音声符号化方法。
7. ｆｓ＜ｆｍｉｎであって、前記仮想ビットレートβが、予め規定される所定のビットレートの最小値Ｍより低い場合に、ビットレートの最小値Ｍとサンプリング周波数の最小値ｆｍｉｎの組み合わせに対して規定された量子化テーブルを選択することを特徴とする請求項６に記載の音声符号化方法。
8. サンプリング周波数ｆｓでサンプリングされた音声データを符号化し、ビットレートαの符号化データを生成する音声符号化プログラムであって、
   演算処理手段を用いて、前記音声データを周波数領域に変換し、サブバンドに分割するステップと、
   記憶手段に、所定のビットレートおよび所定のサンプリング周波数の組み合わせごとに規定された量子化テーブルを記憶させるステップと、
   前記量子化テーブルの中から、前記音声データのサンプリング周波数ｆｓと、符号化後のビットレートαの組み合わせに対応して規定された量子化テーブルを選択する選択ステップと、
   演算手段を用いて、選択された量子化テーブルにもとづき、サブバンドごとのデータを量子化するステップと、
   演算手段を用いて、前記音声データのサンプリング周波数ｆｓが、規定される所定のサンプリング周波数の最小値ｆｍｉｎより低いとき、仮想ビットレートβを、β＝α×ｆｍｉｎ／ｆｓにより算出するステップと、
   を備え、
   選択ステップにおいて、演算手段は、ｆ＜ｆｍｉｎのとき、前記仮想ビットレートβと前記ｆｍｉｎの組み合わせに対して規定された量子化テーブルを選択することを特徴とするプログラム。

Images