JP2009288561A

JP2009288561A - 音声符号化装置、音声復号装置、及びプログラム

Info

Publication number: JP2009288561A
Application number: JP2008141539A
Authority: JP
Inventors: Tatsuo Inoue; 健生井上
Original assignee: Sanyo Electric Co Ltd; Sanyo Semiconductor Co Ltd
Current assignee: Sanyo Electric Co Ltd; System Solutions Co Ltd
Priority date: 2008-05-29
Filing date: 2008-05-29
Publication date: 2009-12-10

Abstract

【課題】低周波数帯域の量子化歪みの増大を抑制する。
【解決手段】音声符号化装置は、デジタル音声信号を複数の周波数帯域に分割して複数の分割信号を出力する帯域分割部と、各周波数帯域における分割信号の電力を算出する電力算出部と、ビットレートに応じた総量子化ビット数を分割信号の電力に応じた所定規則に従って各周波数帯域の量子化ビット数に割り当てる場合と比較して、複数の周波数帯域のうちの少なくとも１つの周波数帯域である低周波数帯域の量子化ビット数が多くなり、低周波数帯域より高域であり、複数の周波数帯域のうちの少なくとも１つの周波数帯域である高周波数帯域の量子化ビット数が少なくなるよう、総量子化ビット数を各周波数帯域の量子化ビット数に割り当てる割当制御部と、各周波数帯域に割り当てられた量子化ビット数で、各周波数帯域の分割信号を量子化する量子化部と、を備える。
【選択図】図１

Description

本発明は、音声符号化装置、音声復号装置、及びプログラムに関する。

デジタル音声信号を圧縮符号化する方式の一つとして、複数の周波数帯域に分割して符号化する帯域分割符号化が知られている。帯域分割符号化においては、ビットレートに応じた総量子化ビット数を、各周波数帯域の電力（パワー）に応じて、所定の計算式に基づいて各周波数帯域の量子化ビット数に適応的に割り当てることが最適であるとされている（例えば、特許文献１）。
特開平７−１５４２６８号公報

例えばＩＣレコーダでは、マイクから入力される音声をデジタル音声信号に変換して帯域分割符号化を行うことにより、音声の録音が行われている。ＩＣレコーダでは、価格の上昇を抑えるためや、サイズを小さくするために、比較的安価で小型のマイクが用いられることがある。このようなマイクの場合、特に低周波数帯域の感度が低いことが多く、例えば３００Ｈｚ以下の音声は取得できないものもある。したがって、例えば、実際には２０Ｈｚ〜１２ｋＨｚの音声が入力されたとしても、マイクからの出力は例えば３００Ｈｚ〜１２ｋＨｚとなってしまう。そのため、帯域分割符号化において算出される、２０Ｈｚ〜３００Ｈｚの範囲を含む低周波数帯域の電力は実際よりも小さくなり、低周波数帯域の量子化ビット数が少なくなる一方、低周波数帯域以外の量子化ビット数は多くなる。このように低周波数帯域の量子化ビット数が減少すると、低周波数帯域の量子化歪みが増大し、再生時の音声の品質が、聴感上、劣化してしまうことになる。

本発明は上記課題を鑑みてなされたものであり、低周波数帯域の量子化歪みの増大を抑制することを目的とする。

上記目的を達成するため、本発明の一つの側面に係る音声符号化装置は、デジタル音声信号を複数の周波数帯域に分割して複数の分割信号を出力する帯域分割部と、各周波数帯域における前記分割信号の電力を算出する電力算出部と、ビットレートに応じた総量子化ビット数を前記分割信号の電力に応じた所定規則に従って各周波数帯域の量子化ビット数に割り当てる場合と比較して、前記複数の周波数帯域のうちの少なくとも１つの周波数帯域である低周波数帯域の量子化ビット数が多くなり、前記低周波数帯域より高域であり、前記複数の周波数帯域のうちの少なくとも１つの周波数帯域である高周波数帯域の量子化ビット数が少なくなるよう、前記総量子化ビット数を各周波数帯域の量子化ビット数に割り当てる割当制御部と、各周波数帯域に割り当てられた前記量子化ビット数で、各周波数帯域の前記分割信号を量子化する量子化部と、を備える。

低周波数帯域の量子化歪みの増大を抑制することができる。

図１は、本発明の一実施形態である音声信号処理装置の構成を示す図である。音声信号処理装置１０は、音声符号化装置２０、音声復号装置２２、及びメモリ２４を含んで構成されている。音声信号処理装置１０は、例えばＩＣレコーダに組み込まれており、入力される音声信号を符号化してメモリ２４に記録し、メモリ２４に記録されたデータを復号することにより、音声信号を再生することができる。

音声符号化装置２０は、例えばユーザから音声の録音指示が行われると、マイクを介して入力されるアナログ音声信号をデジタル音声信号に変換し、ユーザが予め設定したビットレートで圧縮符号化し、符号化によって生成された符号化データを不揮発性のメモリ２４に記録する。ここで、符号化のビットレートが高いほど、音声の品質は高くなるが、生成されるデータのサイズが大きくなって録音可能時間が短くなる。したがって、ユーザは、音声の品質や録音可能時間等を考慮し、状況に応じて最適なモードを選択することになる。例えば、音声の品質を重視するモードが選択された場合、音声符号化装置２０では高ビットレートで符号化が行われる。一方、録音時間を重視するモードが選択された場合、音声符号化装置２０では低ビットレートで符号化が行われる。

音声符号化装置２０は、ＡＤコンバータ（Ａ／Ｄ）３０、帯域分割部３２、電力算出部３４、正規化部３６、割当制御部３８、量子化部４０、及びマルチプレクサ（ＭＰＸ）４２を含んで構成されている。なお、帯域分割部３２、電力算出部３４、正規化部３６、割当制御部３８、量子化部４０、及びマルチプレクサ４２は、例えば、ＤＳＰ（Digital Signal Processor）がプログラムを実行することにより実現される。

ＡＤコンバータ３０は、入力されるアナログ音声信号をデジタル音声信号に変換して出力する。ＡＤコンバータ３０におけるサンプリング周波数を、例えば８ｋＨｚとすると、ＡＤコンバータ３０から出力されるデジタル音声信号の周波数帯域は０〜４ｋＨｚとなる。

帯域分割部３２は、ＡＤコンバータ３０から出力されるデジタル音声信号を複数の周波数帯域に分割するとともにベースバンドに落として出力する。ＡＤコンバータ３０から出力されるデジタル音声信号の周波数帯域が０〜４ｋＨｚの場合であれば、帯域分割部３２は、例えば、０〜１ｋＨｚ、１〜２ｋＨｚ、２〜３ｋＨｚ、３〜４ｋＨｚの４つの周波数帯域にデジタル音声信号を分割する。なお、分割幅は等間隔に限られず、例えば、０〜０．５ｋＨｚ、０．５〜１ｋＨｚ、１〜２ｋＨｚ、２〜４ｋＨｚ等であってもよい。このような帯域分割部３２は、例えば、２段のＱＭＦ（Quadrature Mirror Filter）を用いて、デジタル音声信号を４つの周波数帯域に分割するとともに各周波数帯域の出力をベースバンドに落とすことにより実現することができる。

電力算出部３４は、帯域分割部３２から出力される各周波数帯域の信号（分割信号）を数サンプル（例えば３２サンプル）ごとにブロックにまとめ、各ブロックの電力を算出する。なお、電力とは信号の強度を示すものであり、１ブロックをＸ０，Ｘ１，・・・，Ｘ３１の信号系列とすると、例えば、Ｘ０〜Ｘ３１の二乗和に基づいて各ブロックの電力を算出することができる。

正規化部３６は、電力算出部３４によって算出された電力に基づいて、各ブロックの電力が例えば１となるように正規化する。このように正規化することにより、後段の量子化の精度を向上させることが可能となる。

割当制御部３８は、電力算出部３４によって算出された電力に基づいて、各周波数帯域の信号を量子化する際の量子化ビット数の割り当てを行う。ここで、各周波数帯域に割り当てられる量子化ビット数の合計である総量子化ビット数は、ユーザによって設定されたビットレートによって決定される。つまり、ビットレートが高いほど総量子化ビット数が多くなり、ビットレートが低いほど総量子化ビット数が少なくなる。例えば、総量子化ビット数が３２、帯域分割数が４であるとすると、３２ビットを４つに分割して各周波数帯域（バンド）に割り当てる必要がある。この際、割当制御部３８は、電力の大きい周波数帯域により多くの量子化ビット数を割り当てる制御を行う。具体的には、以下の式（１）に基づいて各周波数帯域の量子化ビット数を決定することが最適であるとされている。

ここで、Ｎは帯域分割数、Ｒ_iはｉバンドの１サンプルあたりに割り当てる量子化ビット数、Ａは１サンプルあたりの平均量子化ビット数であり、Ｖ_i＝Ｕ_i／Ｗ_iである。なお、Ｕ_iはｉバンドの電力、Ｗ_iはｉバンドの帯域幅比率であり、Ｗ_iの総和（ｉ＝１〜Ｎ）は１となる。

式（１）のみに基づいて各周波数帯域に割り当てる量子化ビット数を単純に決めてしまうと、例えば、低周波数帯域の感度が低いマイクが用いられる場合、低周波数帯域の量子化ビット数が少なくなってしまう。

そこで、割当制御部３８は、ビットレートに応じた総量子化ビット数を、式（１）に従って各周波数帯域の量子化ビット数に割り当てる場合と比較して、低周波数帯域の量子化ビット数が多くなり、低周波数帯域より高域の高周波数帯域の量子化ビット数が少なくなるよう、各周波数帯域の量子化ビット数に割り当てる。

具体的には、例えば、周波数帯域が０〜１ｋＨｚ（ｉ＝１）、１〜２ｋＨｚ（ｉ＝２）、２〜３ｋＨｚ（ｉ＝３）、３〜４ｋＨｚ（ｉ＝４）の４つに分割されており、ビットレートに応じた総量子化ビット数が１０、式（１）に基づいて算出された量子化ビット数がＲ₁＝３、Ｒ₂＝３、Ｒ₃＝２、Ｒ₄＝２であることとする。この場合、割当制御部３８は、例えば、低周波数帯域のＲ₁を２ビット増やして５ビットにし、Ｒ₂〜Ｒ₄全体で２ビットを削減するようにすることができる。これにより、マイクの特性によって例えば２０〜３００Ｈｚの音声が取得できていないような場合であっても、低周波数帯域の量子化ビット数を増加させることができる。

また、割当制御部３８は、低周波数帯域のブロックの電力が所定値より大きい場合に限り、低周波数帯域の量子化ビット数を増加させることとしてもよい。例えば、低周波数帯域のＲ₁を増加させる場合においては、割当制御部３８は、電力Ｕ₁が所定値より大きいブロックのみ、量子化ビット数を増加させるようにすることができる。これは、例えば、無音や子音は母音と比較して低周波数帯域の電力が元来小さく、低周波数帯域の量子化ビット数を増加させる必要がないことが多いためである。

また、割当制御部３８は、低周波数帯域の電力（例えばＵ₁）を増加させた上で式（１）を用いて量子化ビット数を算出することにより、低周波数帯域に割り当てられる量子化ビット数を増加させることとしてもよい。なお、電力を増加させる量や割合は、マイクに入力される音声信号の実際の電力と、マイクから出力される音声信号の電力との比較結果等、マイクの特性に応じて予め定めることができる。

なお、周波数帯域の分割やマイクの特性によっては、量子化ビット数を増加させる低周波数帯域は最低周波数帯域に限られない。例えば、Ｒ₁及びＲ₂の量子化ビット数を増加させ、Ｒ₃及びＲ₄の量子化ビット数を削減することとしてもよい。また、量子化ビット数は整数に限らず小数であってもよい。

量子化部４０は、割当制御部３８によって割り当てられた量子化ビット数で、正規化された各周波数帯域の信号を量子化する。なお、割り当てられた量子化ビット数が小数の場合、平均の量子化ビット数が割り当てられた量子化ビット数となるように量子化が行われる。例えば、割り当てられた量子化ビット数が１．５の場合、量子化ビット数１での量子化と、量子化ビット数２での量子化とを交互に行うことにより、平均の量子化ビット数を１．５ビットとすることができる。

マルチプレクサ４２は、各周波数帯域の量子化された信号及び電力算出部３４によって算出された電力の情報を多重化し、符号化データとしてメモリ２４に出力する。これにより、音声がメモリ２４に録音された状態となる。

音声復号装置２２は、例えばユーザから音声の再生指示が行われると、メモリ２４に記録されている符号化データを、符号化データ生成時と同一のビットレートで復号することにより音声を再生する。

音声復号装置２２は、デマルチプレクサ（ＤＭＰＸ）５０、割当制御部５２、逆量子化部５４、逆正規化部５６、帯域結合部５８、及びＤＡコンバータ（Ｄ／Ａ）６０を含んで構成されている。なお、デマルチプレクサ（ＤＭＰＸ）５０、割当制御部５２、逆量子化部５４、逆正規化部５６、及び帯域結合部５８は、例えば、ＤＳＰがプログラムを実行することにより実現される。

デマルチプレクサ５０は、メモリ２４から読み出した符号化データを、各周波数帯域の量子化された信号及び電力算出部３４によって算出された電力の情報に分配する。
割当制御部５２は、デマルチプレクサ５０から出力される電力の情報に基づいて、逆量子化部５４における各周波数帯域の逆量子化の際の逆量子化ビット数の割り当てを行う。なお、割当制御部５２での割り当て制御は、割当制御部３８と同じ規則に従って行われる。

逆量子化部５４は、割当制御部５２によって割り当てられた逆量子化ビット数で、各周波数帯域の量子化された信号の逆量子化（復号）を行う。
逆正規化部５６は、逆量子化部５４から出力される、正規化された各周波数帯域の信号を、デマルチプレクサ５０から出力される電力の情報に基づいて元に戻す（逆正規化する）。

帯域結合部５８は、帯域分割されてベースバンドに落とされている信号を高域変換するとともに帯域結合し、デジタル音声信号として出力する。なお、帯域結合部５８は、帯域分割部３２と同様に例えばＱＭＦを用いて構成することができる。
ＤＡコンバータ６０は、帯域結合部５８から出力されるデジタル音声信号をアナログ音声信号に変換して出力する。これにより、メモリ２４に録音されていた音声が再生されることとなる。

以上に説明した音声信号処理装置１０では、低周波数帯域に割り当てられる量子化ビット数が増やされることにより、低周波数帯域の量子化歪みの増大を抑制することができる。ＩＣレコーダでは、限られたメモリ容量で録音時間を長くするために、非常に低いビットレートが求められることがある。低ビットレートの場合、総量子化ビット数も少なくなるため、式（１）に従って算出される低周波数帯域の量子化ビット数も非常に少なくなる。このような場合に、音声信号処理装置１０によって低周波数帯域に割り当てられる量子化ビット数を増加させれば、低周波数帯域における量子化歪みの改善効果が特に大きくなる。なお、音声信号処理装置１０において、ビットレートが所定値より低い場合、すなわち、低ビットレートの場合に限り、低周波数帯域の量子化ビット数を増加させることとしてもよい。

また、音声信号処理装置１０は、式（１）で各周波数帯域の量子化ビット数を算出した後に、低周波数帯域に割り当てられる量子化ビット数を増加させるようにすることができる。

さらに、音声信号処理装置１０は、低周波数帯域の電力が所定値より大きい場合に限り、式（１）で算出された量子化ビット数のうち、低周波数帯域の量子化ビット数を増加させるようにすることとしてもよい。これにより、低周波数帯域の電力が元来大きい例えば母音等の音声の場合に、低周波数帯域の量子化歪みを抑制し、再生時の音声の品質を改善することができる。

また、音声信号処理装置１０は、マイクの特性等に応じて低周波数帯域の電力を増加させた上で、式（１）に従って各周波数帯域の量子化ビット数を算出することにより、低周波数帯域の量子化ビット数を増加させることができる。

なお、上記実施形態は本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得ると共に、本発明にはその等価物も含まれる。

例えば、本実施形態においては、音声符号化装置２０及び音声復号装置２２の適用例としてＩＣレコーダをあげたが、ＩＣレコーダに限らず、音声の符号化・復号が行われる装置に適用可能である。例えば、音声信号を符号化して送信し、符号化された音声信号を復号して再生する携帯電話に適用することも可能である。この場合、音声符号化装置２０が携帯電話の送信機能に組み込まれ、音声復号装置２２が携帯電話の受信機能に組み込まれる。なお、携帯電話の場合、メモリ２４の代わりに携帯電話ネットワークが用いられることとなる。また、例えば、パーソナルコンピュータでＭＰ３（MPEG Audio Layer-3）形式等の符号化された音楽データを生成し、符号化された音楽データを携帯音楽プレーヤで再生するシステムに適用することも可能である。この場合、音声符号化装置２０がパーソナルコンピュータの符号化機能に組み込まれ、音声復号装置２２が携帯音楽プレーヤの再生機能に組み込まれる。

本発明の一実施形態である音声信号処理装置の構成を示す図である。

符号の説明

１０音声信号処理装置
２０音声符号化装置
２２音声復号装置
２４メモリ
３０ＡＤコンバータ（Ａ／Ｄ）
３２帯域分割部
３４電力算出部
３６正規化部
３８割当制御部
４０量子化部
４２マルチプレクサ（ＭＰＸ）
５０デマルチプレクサ（ＤＭＰＸ）
５２割当制御部
５４逆量子化部
５６逆正規化部
５８帯域結合部
６０ＤＡコンバータ（Ｄ／Ａ）

Claims

デジタル音声信号を複数の周波数帯域に分割して複数の分割信号を出力する帯域分割部と、
各周波数帯域における前記分割信号の電力を算出する電力算出部と、
ビットレートに応じた総量子化ビット数を前記分割信号の電力に応じた所定規則に従って各周波数帯域の量子化ビット数に割り当てる場合と比較して、前記複数の周波数帯域のうちの少なくとも１つの周波数帯域である低周波数帯域の量子化ビット数が多くなり、前記低周波数帯域より高域であり、前記複数の周波数帯域のうちの少なくとも１つの周波数帯域である高周波数帯域の量子化ビット数が少なくなるよう、前記総量子化ビット数を各周波数帯域の量子化ビット数に割り当てる割当制御部と、
各周波数帯域に割り当てられた前記量子化ビット数で、各周波数帯域の前記分割信号を量子化する量子化部と、
を備えることを特徴とする音声符号化装置。
請求項１に記載の音声符号化装置であって、
前記割当制御部は、
前記総量子化ビット数を前記所定規則に従って各周波数帯域の量子化ビット数を算出した後、前記高周波数帯域に割り当てられるべき量子化ビット数の少なくとも一部を前記低周波数帯域の量子化ビット数に割り当てること、
を特徴とする音声符号化装置。
請求項２に記載の音声符号化装置であって、
前記割当制御部は、
前記低周波数帯域における前記分割信号の電力が所定値より大きい場合に限り、前記所定規則に従って前記高周波数帯域に割り当てられるべき量子化ビット数の少なくとも一部を、前記低周波数帯域の量子化ビット数に割り当てること、
を特徴とする音声符号化装置。
請求項１に記載の音声符号化装置であって、
前記割当制御部は、
前記電力算出部によって算出された、前記低周波数帯域における前記分割信号の電力を増加させて、前記総量子化ビット数を、前記所定規則に従って各周波数帯域の量子化ビット数を割り当てること、
を特徴とする音声符号化装置。
デジタル音声信号を複数の周波数帯域に分割し、ビットレートに応じた総量子化ビット数を各周波数帯域の電力に応じた所定規則に従って各周波数帯域の量子化ビット数を割り当てる場合と比較して、前記複数の周波数帯域のうちの少なくとも１つの周波数帯域である低周波数帯域の量子化ビット数が多くなり、前記低周波数帯域より高域であり、前記複数の周波数帯域のうちの少なくとも１つの周波数帯域である高周波数帯域の量子化ビット数が少なくなるよう前記総量子化ビット数を各周波数帯域の量子化ビット数に割り当てることにより量子化された前記デジタル音声信号を逆量子化する際に、前記ビットレートに応じた総逆量子化ビット数を各周波数帯域の逆量子化ビット数に割り当てる割当制御部と、
前記周波数帯域ごとに量子化された前記デジタル音声信号を、前記周波数帯域ごとに割り当てられた前記逆量子化ビット数で逆量子化して複数の分割信号を生成する逆量子化部と、
前記複数の分割信号を結合して前記デジタル音声信号を生成する帯域結合部と、
を備え、
前記割当制御部は、
前記分割信号の電力に応じた所定規則に従って前記逆総量子化ビット数を各周波数帯域の逆量子化ビット数に割り当てる場合と比較して、前記低周波数帯域の逆量子化ビット数が多くなるよう、量子化の際と同じ規則に基づいて、前記総量子化ビット数を各周波数帯域の逆量子化ビット数に割り当てること、
を特徴とする音声復号装置。
プロセッサに、
デジタル音声信号を複数の周波数帯域に分割して複数の分割信号を出力する機能と、
各周波数帯域における前記分割信号の電力を算出する機能と、
ビットレートに応じた総量子化ビット数を前記分割信号の電力に応じた所定規則に従って各周波数帯域の量子化ビット数に割り当てる場合と比較して、前記複数の周波数帯域のうちの少なくとも１つの周波数帯域である低周波数帯域の量子化ビット数が多くなり、前記低周波数帯域より高域であり、前記複数の周波数帯域のうちの少なくとも１つの周波数帯域である高周波数帯域の量子化ビット数が少なくなるよう、前記総量子化ビット数を各周波数帯域の量子化ビット数に割り当てる機能と、
各周波数帯域に割り当てられた前記量子化ビット数で、各周波数帯域の前記分割信号を量子化する機能と、
を実現させるためのプログラム。