JP2010156837A - オーディオ符号化装置 - Google Patents

Abstract

【課題】シリコンオーディオやＤＶＤなどの蓄積メディア分野、地上デジタル放送などの放送分野で用いられるオーディオ符号化技術に関し、ビット不足による量子化誤差の増大を抑制する。
【解決手段】適応ビット配分制御部１０２は、各チャネルのオーディオ信号に割り当てる符号化ビット数を、各チャネルのオーディオ信号の知覚エントロピーに応じて適応的に制御する。固定ビット配分制御部１０３は、各チャネルのオーディオ信号に割り当てる符号化ビット数を、予め定められた配分で固定的に制御する。ビット配分決定部１０４がこれらの配分ビットを統合し、各チャネル符号化部１０５において、適応ビット配分制御部で割り当てられた適応配分ビット数と、固定ビット配分制御部で割り当てられた固定配分ビット数とに基づいて、各チャネルのオーディオ信号が符号化される。
【選択図】図１

Description

開示する技術は、シリコンオーディオやＤＶＤなどの蓄積メディア分野、地上デジタル放送などの放送分野で用いられるオーディオ符号化技術に関する。開示する技術は、コンテンツ変換装置や動画像ＩＰ伝送装置の音声処理部などに利用することができる。

アナログ放送から地上デジタル放送への移行、有線、無線網のブロードバンド化、端末の高性能化に伴い、限られた通信リソースの中でオーディオやビデオを高品質に符号化する技術が必要とされている。

このうち、インターネットや地上デジタル放送等での映像配信サービスにおいて、従来のステレオよりも臨場感に優れた５．１チャネル音声のコンテンツが増加しており、５．１チャネル音声を高音質に圧縮できるオーディオ符号化技術への需要が高まっている。

国際標準化団体ＩＳＯ／ＩＥＣ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｏｒｇａｎｉｚａｔｉｏｎ ｆｏｒ Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ／Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｌｅｃｔｒｏｔｅｃｈｎｉｃａｌ Ｃｏｍｍｉｓｓｉｏｎ）では、マルチメディア専門家グループであるＭＰＥＧ（Ｍｏｖｉｎｇ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ）において、５．１チャネル音声に対応したオーディオ符号化方式としてＭＰＥＧ−２ ＡＡＣ（以下、「ＡＡＣ」という）が標準化された。ＡＡＣは、日本の地上／衛星／ＩＰデジタル放送規格などに採用されている。ただし、ＩＳＯ／ＩＥＣではＡＡＣのデータ形式とデコード方式のみを規格化し、符号化方式を規定していない。このため、より高音質な音声符号化方式が求められている。

５．１チャネル音声は、映画やＤＶＤでも採用されている。そして、５．１チャネル音声は、図１３（ｂ）に示されるように、前方３チャネル（センター、左、右）、後方２チャネル（サラウンド左、右）、及び低域効果用の1チャネル（０．１チャネルと表記される）の、計６チャネルで再生が行われる。このため、従来のステレオに比べて、音の広がりや重低音の表現力が優れている。

一般的には、図１３（ａ）に示されるように、マルチチャネルの入力信号に対して、エンコーダ（符号器）１３０１が符号化を行って、符号化データである圧縮符号が生成される。この圧縮符号は、例えば上述の３２０ｋｂｐｓというように、一定の伝送速度を有している。この圧縮符号が通信路を伝送された後に端末装置にて受信される。そして、この圧縮符号は、デコーダ（復号器）１３０２に復号され、マルチチャネル信号が再生される。このときに、エンコーダ１３０１がいかに効率的な符号化を行って一定の伝送速度の圧縮符号を生成するかが、受信音声の音質を大きく左右する。

例えば日本のデジタル放送などでは、５．１チャネル音声に対して３２０ｋｂｐｓ（キロビット／秒）程度の低いビットレートで原音に近い音質を実現することが求められる。即ち、１チャネルあたりの情報量が少なくなる。このため、各チャネルの情報量を固定値とすると、符号化に多くの情報量が必要なチャネルでは音質が劣化し、逆に少ない情報量で十分なチャネルでは情報量が無駄に使用されることになる。従って、入力信号の性質に応じて各チャネルの情報量を決定する技術が必要となる。

このような課題に対して、聴覚特性を考慮して入力音の知覚エントロピー（又は複雑度）と呼ばれる物理量を算出し、その知覚エントロピーに基づいて各チャネルの情報量を決定する従来技術が知られている。

図１４は上記従来技術の構成を示す図、図１５はその動作を示す動作フローチャートである。
ＰＥ値算出部１４０１は、チャネル１信号からチャネルＮ信号までのマルチチャネルの入力信号から、各チャネル信号の知覚エントロピー値ＰＥ（１）〜ＰＥ（Ｎ）を算出する（図１５のステップＳ１５０１）。

ビット配分制御部１４０２は、各チャネル信号の知覚エントロピー値ＰＥ（１）〜ＰＥ（Ｎ）に応じて、＃１〜＃Ｎのチャネル符号化部１４０３におけるビット割当Ｂｉｔ（１）〜Ｂｉｔ（Ｎ）を決定する（図１５のステップＳ１５０２）。

＃１〜＃Ｎのチャネル符号化部１４０３は、割り当てられたビット割当Ｂｉｔ（１）〜Ｂｉｔ（Ｎ）で、チャネル１信号〜チャネルＮ信号をそれぞれ符号化する（図１５の＃１〜＃ＮのステップＳ１５０３）。

多重化部１４０４は、＃１〜＃Ｎのチャネル符号化部１４０３から出力される各チャネルの圧縮符号を多重化し、ビットストリームとして伝送路に出力する（図１５のステップＳ１５０４）。

知覚エントロピー（ＰＥ：Ｐｅｒｃｅｐｔｕａｌ Ｅｎｔｒｏｐｙ）とは、図１６（ａ）に示されるように、入力されたオーディオ信号に含まれる人間の耳には聞こえない音のエネルギーレベルであるマスキングパワーと、オーディオ信号の入力信号パワーの間のエネルギー差を表す物理量である。マスキングパワーは、信号を符号化する場合における許容量子化誤差に対応していることが知られている。そして、ＰＥ値は、図１６（ｂ）に例示されるように、打楽器音のような信号レベルが急激に変化するアタック音が存在する区間において、大きくなる傾向がある。即ち、ＰＥ値が大きい区間では、入力信号パワーとマスキングパワー＝許容量子化誤差との差が大きくなるため、より多くの情報量が必要であることを示している。

そこで、図１４に示される従来技術では、知覚エントロピーが大きいチャネルには、多くの情報量が必要と判定されて符号化のための情報量が多く割り当てられ、知覚エントロピーが小さいチャネルには、割り当てる情報量が少なくされることにより、合計の情報量を変えずに音質を向上させる。

図１７は、図１４に示される従来技術においてビット配分制御部１４０２が実行するビット配分制御の動作説明図である。この図は、説明の簡単化のため、入力信号が３チャネルである場合の例を示している。マルチチャネル全体の使用可能ビット数が、１フレーム（ｆｒａｍｅ）あたり１０００ビット（ｂｉｔ）であったとする。そして、各チャネル信号の知覚エントロピー値ＰＥ（１）、ＰＥ（２）、ＰＥ（３）がそれぞれ、３０、５０、２０であったとする。この結果、図１４に示される＃１〜＃Ｎ＝＃３のチャネル符号化部１４０３におけるビット割当Ｂｉｔ（１）〜Ｂｉｔ（Ｎ）＝Ｂｉｔ（３）は、上記各ＰＥ値の比で決定され、それぞれ３００ビット、５００ビット、２００ビットとされる。

上記従来技術に関連して、下記の特許文献が開示されている。
特表２００４−５１４１８０号公報 特開２００１−３４３９９７号公報 特開２００４−２１１５３号公報 特開２００１−７７６９８号公報

しかし、知覚エントロピーを用いた従来のビット配分制御技術では、ＰＥ値によって推定されるビット数と実際に必要なビット数の間には推定誤差が発生する。
例えば図１８に示されるように、チャネル２では、ＰＥ値により推定された配分ビット数のほうが、実際の符号化において必要なビット数（＝量子化誤差が許容量子化誤差（マスキングパワー）以下になるビット数）よりも多い。これに対して、チャネルＮでは、実際の符号化において必要なビット数のほうが、ＰＥ値により推定された配分ビット数よりも多い。この場合、チャネル２では、ビット数が多く配分されすぎてしまうのに対して、チャネルＮでは、ビット不足により量子化誤差が増大し音質が劣化してしまう。

この傾向は、特に低レート条件（使用できるビット数が少ない）において顕著であり、劣化チャネルの位置によっては劣化が知覚されやすくなるという問題点を有していた。
開示する技術が解決しようとする課題は、ビット不足による量子化誤差の増大を抑制することにある。

開示する技術の態様は、複数チャネルのオーディオ信号を符号化するオーディオ符号化装置又は方法を前提とする。
適応ビット配分制御部は、各チャネルのオーディオ信号に割り当てる符号化ビット数を、各チャネルのオーディオ信号の知覚エントロピーに応じて適応的に制御する。

固定ビット配分制御部は、各チャネルのオーディオ信号に割り当てる符号化ビット数を、予め定められた配分で固定的に制御する。
チャネル符号化部は、適応ビット配分制御部で割り当てられた適応配分ビット数と、固定ビット配分制御部で割り当てられた固定配分ビット数とに基づいて、各チャネルのオーディオ信号を符号化する。

開示した技術によれば、５．１チャネルオーディオ信号等の複数チャネル入力信号に対する符号化において、入力信号に依存した適応ビット配分制御に加え、入力信号に依存しない固定ビット配分制御を併用することにより、固定的に（常時）使用可能なビットを保証することが可能となる。

また、適応ビット配分＋固定ビット配分においてもなおビット不足が生じた場合には、ビットリザーバ部より不足ビット数を補充でき、逆に余ったビット数はビットリザーバ部に蓄積して以降の符号化に流用することが可能となる。

このようにして、従来の知覚エントロピー値のみによる適応ビット配分に比べ、推定誤差によるビット不足を抑制し、マルチチャネル入力信号に対して最適なビット配分が可能となるため、安定した音質を実現することが可能となる。

以下、実施形態について詳細に説明する。
図１は、第１の実施形態の構成図、図２はその動作を示す動作フローチャートである。
ＰＥ値算出部１０１は、チャネル１信号からチャネルＮ信号までのマルチチャネルの入力信号から、各チャネル信号の知覚エントロピー値ＰＥ（１）〜ＰＥ（Ｎ）を算出する（図２のステップＳ２０１）。

適応ビット配分制御部１０２は、各チャネル信号の知覚エントロピー値ＰＥ（１）〜Ｐ
Ｅ（Ｎ）に応じて、適応配分ビット割当ａＢｉｔ（１）〜ａＢｉｔ（Ｎ）を決定する（図２のステップＳ２０２）。

固定ビット配分制御部１０３は、予め設定した固定配分比により固定配分ビット割当ｆＢｉｔ（１）〜ｆＢｉｔ（Ｎ）を決定する（図２のステップＳ２０３）。
ビット配分決定部１０４は、適応配分ビット割当と固定配分ビット割当を統合して、＃１〜＃Ｎのチャネル符号化部１０５における最終配分ビット割当Ｂｉｔ（１）〜Ｂｉｔ（Ｎ）を決定する（図２のステップＳ２０４）。

一方、＃１〜＃Ｎのチャネルビットリザーバ１０７は、＃１〜＃Ｎのチャネル符号化部１０５における不足ビット数を補償する。ビットリザーバ１０６は、多重化部１０８でのビットストリームの生成結果に基づいて、チャネルビットリザーバ１０７に余剰ビットを供給する。ビットリザーバ１０６及びチャネルビットリザーバ１０７の更に具体的な動作については後述する。

図３は、第１の実施形態におけるビット配分制御の効果説明図である。
第１の実施形態では、ＰＥ値より推定された適応配分ビット数に対して、チャネル毎に予め設定した固定配分比による固定配分ビット数が併用される。前者は、マルチチャネルの入力信号に依存し、後者は、入力信号に依存しない。

このように、第１の実施形態では、各チャネルにおいて入力に依存せず、固定的に常時使用可能なビットが保証される。これにより、ＰＥ値による推定誤差が補償される。
このときの固定配分比は、チャネル配置の主観的な音質の影響度に基づいて決定することができる。これは、入力信号の変動には依存しないパラメータである。

図４は、第１の実施形態におけるビット配分制御の動作説明図、図５は、その動作を示す動作フローチャートである。図４では、説明の簡単化のため、入力信号が３チャネルである場合の例が示されている。

マルチチャネル全体の使用可能ビット数が、１フレーム（ｆｒａｍｅ）あたり１０００ビット（ｂｉｔ）であったとする。そして、適応配分用ビットとして６００ビットが割り当てられ、固定配分用ビットとして４００ビットが割り当てられるとする。

今、各チャネル信号の知覚エントロピー値ＰＥ（１）、ＰＥ（２）、ＰＥ（３）がそれぞれ、３０、５０、２０であったとする。この結果、適応ビット配分制御部１０２が決定する適応配分ビット割当ａＢｉｔ（１）〜ａＢｉｔ（３）は、適応配分用ビット６００ビットから上記各ＰＥ値の比で各配分が決定され、それぞれ１２０ビット、３００ビット、１８０ビットとされる。

一方、固定ビット配分制御部１０３が決定する固定配分ビット割当ｆＢｉｔ（１）〜ｆＢｉｔ（Ｎ）は、チャネル毎に予め設定した固定配分比「チャネル１＝１対チャネル２＝１対チャネル３＝２」で各配分が決定され、それぞれ１００ビット、１００ビット、２００ビットとされる。

この結果、ビット配分決定部１０４が最終的に決定する＃１〜＃３のチャネル符号化部１０５におけるビット割当Ｂｉｔ（１）〜Ｂｉｔ（３）は、各チャネル毎の適応配分ビット割当と固定配分ビット割当が加算されることにより算出される。即ち、＃１〜＃３のチャネル符号化部１０５におけるビット割当Ｂｉｔ（１）〜Ｂｉｔ（３）は、それぞれ２２０ビット、４００ビット、３８０ビットとされる。

図５は、図１のビットリザーバ１０６及びチャネルビットリザーバ１０７によって実現されるビット補充制御の動作を示す動作フローチャートであり、図６は、その動作説明図である。
まず、ビットリザーバ１０６は、多重化部１０８から出力されるビットストリームより、前フレーム以前に＃１〜＃Ｎのチャネルビットリザーバ１０７にて蓄積されたビットを合算してリザーブする。そして、ビットリザーバ１０６は、現フレームにおいて、事前に設定した配分比を用いて、上述の合算したリザーブビットを、＃１〜＃Ｎのチャネルビットリザーバ１０７に、チャネル毎の蓄積ビットとして配分する。

＃１〜＃Ｎのチャネルビットリザーバ１０７及びビットリザーバ１０６は、図５の動作フローチャートで示される動作を実行する。
まず、＃１〜＃Ｎのチャネルビットリザーバ１０７はそれぞれ、＃１〜＃Ｎのチャネル符号化部１０５に対して、符号化を指示する（図５のステップＳ５０１）。この結果、＃１〜＃Ｎのチャネル符号化部１０５はそれぞれ、チャネル１信号からチャネルＮ信号までの各入力信号を、ビット配分決定部１０４によって配分された各ビット割当Ｂｉｔ（１）〜Ｂｉｔ（Ｎ）にて符号化する。この場合の符号化方式としては、例えばＡＡＣ方式が採用される。

次に、＃１〜＃Ｎのチャネルビットリザーバ１０７は、＃１〜＃Ｎのチャネル符号化部１０５において各々、符号化に必要とされたビット数が上記割当てビットよりも大きいか否か、即ちビット不足が生じたか否かを判定する（図５のステップＳ５０２）。

ビット不足が生じておらずステップＳ５０２の判定がＮＯとなったチャネルビットリザーバ１０７は、余剰ビット＝（割当てビット−必要ビット）をビットリザーバ１０６に通知する。この結果、ビットリザーバ１０６は、上記余剰ビットを蓄積ビットに累算して、現フレームのそのチャネルに対する処理を終了する（図５のステップＳ５０３）。

一方、ビット不足が生じてステップＳ５０２の判定がＹＥＳとなったチャネルビットリザーバ１０７は、そのビット不足分を補充可能であるか否かを判定する。即ち、チャネルビットリザーバ１０７は、（必要ビット−割当てビット）が、そのチャネルビットリザーバ１０７における蓄積ビット以下であるか否かを判定する（図５のステップＳ５０４）。

ビット補充が可能でステップＳ５０４の判定がＹＥＳなら、そのチャネルビットリザーバ１０７での割当てビット＝必要ビットとすると共に、補充したビット分(必要ビット−割当ビット)を蓄積ビットから減算して、そのチャネルでの新たな蓄積ビットの値とする（図５のステップＳ５０５）。これにより、そのチャネルビットリザーバ１０７に対応するチャネル符号化部１０５において、新たな割当てビットでの符号化が行われることになる。

一方、ビット補充が不可能でステップＳ５０４の判定がＮＯなら、そのチャネルビットリザーバ１０７に対応するチャネル符号化部１０５に対して、量子化ステップ数を、量子化の結果必要となる必要ビットが割当てビット以下になるように変更して、誤差を許容した再度の符号化を指示する（図５のステップＳ５０６）。

以上のビットリザーブ制御により、図６に示されるように、図１の固定ビット配分制御部１０３、適応ビット配分制御部１０２、及びビット配分決定部１０４によるビット配分によってしてもなお生じるビット不足分を、各チャネルビットリザーバ１０７から補充することができる。

図７は、第１の実施形態による音質改善の効果を示した図である。この結果は、５．１チャネル４８ＫＨｚサンプリングの１０種類の入力音源に対するものである。第１の実施形態により、ＯＤＧ値で、音源によって最大で＋０．５ポイント以上、平均で＋０．１３ポイントの改善が得られた。これにより、様々な音源に対する全体的な性能改善が期待できる。主観的にも局所的な音質劣化が抑制され、安定した音質が得られた。ＯＤＧ（Ｏｂｊｅｃｔｉｖｅ Ｄｉｆｆｅｒｅｎｃｅ Ｇｒａｄｅ：主観的劣化度合）は、国際標準規格ＩＴＵ−Ｒ勧告ＢＳ．１３８７−１で規定のＰＥＡＱ（Ｐｅｒｃｅｐｔｕａｌ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ａｕｄｉｏ Ｑｕａｌｉｔｙ）法による測定値である。この測定方式では、原音信号に対する復号信号（デコード信号）の符号化による誤差歪み（=音質）を、聴覚特性に基づいて客観的に測定し０〜４値のＯＤＧ値が出力される。ＯＤＧ値が０に近いほど音質が良いことを示している。

図８は、第２の実施形態の構成図である。この構成は、図１に示される第１の実施形態の構成を更に詳細化したものである。図８において、図１と同じ部分には同じ番号が付されている。

図８において、Ｔ／Ｆ変換部８０１は、入力信号をフレーム毎に分割した信号Ｉｎｐｕｔ（ｎ，ｔ）を、周波数領域（=周波数スペクトル）信号ｓｐｅｃ（ｎ，ｆ）に変換する。ここで、ｎはチャネル（ｎ＝１〜Ｎ）であり、ｔは時間サンプル（ｔ＝０〜Ｔ）であり、ｆは周波数サンプル（ｆ＝０〜Ｆ）である。

聴覚分析部８０２は、Ｔ／Ｆ変換部８０１から出力される周波数領域信号ｓｐｅｃ（ｎ，ｆ）からスペクトルパワーｓｐｅｃ＿ｐｏｗ（ｎ，ｆ）を算出する。また、聴覚分析部８０２は、人間の聴覚特性に基づいて、上記スペクトルパワーｓｐｅｃ＿ｐｏｗ（ｎ，ｆ）から人間の耳には知覚されない電力値であるマスキングパワーｍａｓｋ＿ｐｏｗ（ｎ，ｆ）を周波数サンプル毎に算出する。そして、聴覚分析部８０２は、算出したスペクトルパワーｓｐｅｃ＿ｐｏｗ（ｎ，ｆ）とマスキングパワーｍａｓｋ＿ｐｏｗ（ｎ，ｆ）を、ＰＥ値算出部１０１へ出力する。

ＰＥ値算出部１０１は、各チャネルのスペクトルパワーｓｐｅｃ＿ｐｏｗ（ｎ，ｆ）とマスキングパワーｍａｓｋ＿ｐｏｗ（ｎ，ｆ）から、各チャネル信号の知覚エントロピー値ＰＥ（１）〜ＰＥ（Ｎ）を算出する。ＰＥ値の算出処理は例えば、国際標準規格であるＭＰＥＧ−２ ＡＡＣ ＩＳＯ／ＩＥＣ １３８１８−７：２００６（Ｅ）のＡｎｎｅｘ
Ｃ （Ｅｎｃｏｄｅｒ）のＣ．１ Ｐｓｙｃｈｏａｃｏｕｓｔｉｃ Ｍｏｄｅｌ として公開されている方法を用いることができる。

適応ビット配分制御部１０２、固定ビット配分制御部１０３、及びビット配分決定部１０４の動作は、図１に示される第１の実施形態の場合と同様である。
チャネル符号化部１０５、多重化部１０８、ビットリザーバ１０６、及びチャネルビットリザーバ１０７の動作も、図１に示される第１の実施形態の場合と同様である。

図９は、第３の実施形態の構成図である。この構成は、図８に示される第２の実施形態の構成をベースにした別の実施形態である。図９において、図１及び図８と同じ部分には同じ番号が付されている。

本実施形態では、現フレームで、Ｔ／Ｆ変換部８０１、聴覚分析部８０２、及びＰＥ値算出部１０１での各チャネルの実行結果を遅延付加部８０３で遅延させて得られる過去フレームの知覚エントロピー値ＰＥ（１）〜ＰＥ（Ｎ）が、適応ビット配分制御部１０２に入力される。この結果、現フレームでのビット配分制御動作において、Ｔ／Ｆ変換部８０１、聴覚分析部８０２、及びＰＥ値算出部１０１での各処理が実行される前に、各チャネルのビット配分を決定できるという利点を有する。これにより、上記各部８０１、８０２、及び１０１を含めて各チャネルの並列処理が可能となり、チャネル数増大に伴う符号化処理の負荷増大を分散させることができる。従って、複数のＣＰＵを使った並列処理に適した構成を実現することができる。

上述の第２及び第３の実施形態（図８、図９）の動作の詳細について、以下に説明する。なお、第２の実施形態と第３の実施形態は、過去のフレームの知覚エントロピー値を使用するか否かの違いだけのため、以下の動作は２つの実施形態に共通の動作である。

まず、図８又は図９の適応ビット配分制御部１０２は、１フレームでの使用可能ビットａｌｌｏｗｅｄ＿ｂｉｔと適応／固定配分比ＡｄＦｘ＿ＲＡＴＥ（０．０〜１．０）から、適応ビット配分用のビット数ａｄａｐｔｉｖｅ＿ｂｉｔを算出する。

次に、適応ビット配分制御部１０２は、数１式の結果を用いて、各チャネルの知覚エントロピー値ＰＥ（ｎ）に応じて、下記数２式に基づいて、適応配分ビットａＢｉｔ（ｎ）を求める。
ここで、ＰＥ＿Ｔｏｔａｌは、各ＰＥ（ｎ）値の全チャネルでの総和である。各チャネルのａＢｉｔ（ｎ）は、適応ビット配分用のビット数ａｄａｐｔｉｖｅ＿ｂｉｔを各チャネルのＰＥ（ｎ）とＰＥ＿Ｔｏｔａｌとの比で配分したビット配分値である。

次に、固定ビット配分制御部１０３は、下記数３式に基づいて、固定配分用のビット数ｆｉｘｅｄ＿ｂｉｔを求める。

更に、図８又は図９の固定ビット配分制御部１０３は、事前に設定した固定配分比ｆｉｘ＿ＲＡＴＥ（ｎ）を用いて各チャネルの固定配分ビットｆＢｉｔ（ｎ）を、下記数４式により算出する。
ここで、ｆｉｘ＿ＲＡＴＥ（ｎ）の全チャネルの総和は１である。なお、固定配分比ｆｉｘ＿ＲＡＴＥ（ｎ）は等配分比でなくてもよく、チャネル間で異なる比を用いてもよい。
例えば、５．１チャネルのようなチャネル構成では、前方に配置されるチャネルが人間の聴覚的に重要になる。このような場合には、前方チャネルのビット配分比を大きくすることで、人間の聴覚特性に合わせたビット配分が実施され主観的な音質を高めることが可能となる。

上述の１フレームでの使用可能ビットａｌｌｏｗｅｄ＿ｂｉｔと、適応ビット配分用のビット数ａｄａｐｔｉｖｅ＿ｂｉｔ、固定配分用のビット数ｆｉｘｅｄ＿ｂｉｔと、適応／固定配分比ＡｄＦｘ＿ＲＡＴＥとの関係は、図１０に示される通りである。

次に、図８又は図９のビット配分決定部１０４は、適応ビット配分制御部１０２が算出した適応配分ビットａＢｉｔ（ｎ）と、固定ビット配分制御部１０３が算出した固定配分ビットｆＢｉｔ（ｎ）を加算し、各チャネル毎のビット割当Ｂｉｔ（ｎ）を算出する。即ち、下記数５式に示される通りである。

次に、図８又は図９のビットリザーバ１０６は、事前に設定した配分比ｒｓｖ＿ＲＡＴＥ（ｎ）を用いて、ビットリザーバ１０６に蓄積しているリザーブビットｒｅｓｖ＿ｂｉｔ＿ａｌｌを各チャネルのチャネルビットリザーバｒｅｓｖ＿ｂｉｔ（ｎ）に配分する。即ち、下記数６式に示される通りである。
上記配分ビット数は、固定配分比ｆｉｘ＿ＲＡＴＥ（ｎ）の場合と同様の理由で、等配分比でなくてもよく、チャネル間で異なる比を用いてもよい。

図１１は、図８又は図９の各チャネル符号化部１０５の構成を示す図である。この構成は、各チャネルｎで独立して以下の処理を実行する。
量子化ステップ決定部１１０１は、Ｔ／Ｆ変換部８０１にて得られるスペクトルｓｐｅｃ（ｎ，ｆ）と、聴覚分析部８０２にて得られるマスクパワーｍａｓｋ＿ｐｏｗ（ｎ，ｆ）を用いて、各帯域の量子化ステップｑｕａｎｔ＿ｓｔｅｐ（ｆ）を決定する。即ち、下記数７式に示される通りである。
ここで、Ｆ（ ）は、任意の量子化ステップ算出関数である。この関数は、ｓｐｅｃ（ｎ，ｆ）を量子化した際の量子化誤差パワーがマスキングパワーｍａｓｋ＿ｐｏｗ（ｎ，ｆ）を超えないような量子化ステップｑｕａｎｔ＿ｓｔｅｐ（ｆ）を、各周波数別に算出するものである。

次に、量子化部１１０２は、量子化ステップ決定部１１０１で決定された各帯域の量子化ステップｑｕａｎｔ＿ｓｔｅｐ（ｆ）に基づいて、Ｔ／Ｆ変換部８０１にて得られる周
波数スペクトルｓｐｅｃ（ｎ，ｆ）を符号化する。この結果、量子化部１１０２は、符号データｑｕａｎｔ＿ｃｏｄｅ（ｎ，ｆ）を生成して出力する。

符号長（符号ビット）算出部１１０３は、上記符号データｑｕａｎｔ＿ｃｏｄｅ（ｎ，ｆ）の合計ビット長ｑｕａｎｔ＿ｂｉｔ（ｎ）（＝符号化ビット数）を、下記数８式に基づいて算出する。
ここで、ＬＥＮ（ ）は、符号データのビット長さ算出関数である。符号化方法としてはたとえばハフマン符号化が使用できる。

図１２は、図８又は図９のビットリザーバ１０６及びチャネルビットリザーバ１０７によって実現されるビット補充制御の動作を示す動作フローチャートである。この図の各ステップにおいて、「′」を除いたステップ番号は、図５に示されるものと同じである。即ち、図１２の動作フローチャートの各ステップの処理は、図５の動作フローチャートの各ステップの処理を更に具体的に表したものである。

まず、＃１〜＃Ｎのチャネルビットリザーバ１０７はそれぞれ、上述した図１１に示される＃１〜＃Ｎのチャネル符号化部１０５に対して、符号化を指示する（図１２のステップＳ５０１′）。この結果、＃１〜＃Ｎのチャネル符号化部１０５はそれぞれ、チャネル１信号からチャネルＮ信号までの各入力信号を、ビット配分決定部１０４によって配分された各ビット割当Ｂｉｔ（１）〜Ｂｉｔ（Ｎ）にて符号化する。

次に、＃１〜＃Ｎのチャネルビットリザーバ１０７は、＃１〜＃Ｎのチャネル符号化部１０５において各々、符号化に必要とされたビット数ｑｕａｎｔ＿ｂｉｔ（ｎ）が上記割当てビットＢｉｔ（ｎ）よりも大きいか否か、即ちビット不足が生じたか否かを判定する（図１２のステップＳ５０２′）。

ビット不足が生じておらずステップＳ５０２′の判定がＮＯとなったチャネルビットリザーバ１０７は、余剰ビットｒｅｓｖ＿ｂｉｔ（ｎ）＝Ｂｉｔ（ｎ）−ｑｕａｎｔ＿ｂｉｔ（ｎ）をビットリザーバ１０６に通知する。この結果、ビットリザーバ１０６は、上記余剰ビットｒｅｓｖ＿ｂｉｔ（ｎ）を蓄積ビットに累算して、現フレームのそのチャネルに対する処理を終了する（図１２のステップＳ５０３′）。

一方、ビット不足が生じてステップＳ５０２′の判定がＹＥＳとなったチャネルビットリザーバ１０７は、そのビット不足分を補充可能であるか否かを判定する。即ち、チャネルビットリザーバ１０７は、（ｑｕａｎｔ＿ｂｉｔ（ｎ）−Ｂｉｔ（ｎ））が、そのチャネルビットリザーバ１０７における蓄積ビットｒｅｓｖ＿ｂｉｔ（ｎ）以下であるか否かを判定する（図１２のステップＳ５０４′）。

ビット補充が可能でステップＳ５０４′の判定がＹＥＳなら、そのチャネルビットリザーバ１０７での割当てビットＢｉｔ（ｎ）＝ｑｕａｎｔ＿ｂｉｔ（ｎ）とする。これと共に、補充したビット分(ｑｕａｎｔ＿ｂｉｔ（ｎ）−Ｂｉｔ（ｎ）)を蓄積ビットｒｅｓｖ＿ｂｉｔ（ｎ）から減算し、そのチャネルでの新たな蓄積ビットｒｅｓｖ＿ｂｉｔ（ｎ）とする（図１２のステップＳ５０５′）。

一方、ビット補充が不可能でステップＳ５０４′の判定がＮＯなら、そのチャネルビットリザーバ１０７に対応するチャネル符号化部１０５内の量子化ステップ決定部１１０１（図１１）に対して、次のような処理が行われる。即ち、量子化ステップ数ｑｕａｎｔ＿ｓｔｅｐ（ｎ，ｆ）について、量子化の結果必要となる必要ビットｑｕａｎｔ＿ｂｉｔ（ｎ）が割当てビットＢｉｔ（ｎ）以下になるように変更される（図１２のステップＳ５０６′）。これにより、図１１の量子化部１１０２にて、再度の符号化が実行される。

最後に、ビットリザーバ１０６は、次フレーム用に、下記数９式に示されるように、各チャネルビットリザーバ１０７の蓄積ビットｒｅｓｖ＿ｂｉｔ（ｎ）の総和ｒｅｓｖ＿ｂｉｔ＿ａｌｌを算出し、ビットリザーバ１０６内に蓄積する。

以上のようにして、従来の知覚エントロピー値のみによる適応ビット配分に比べ、推定誤差によるビット不足を抑制し、マルチチャネル入力信号に対して最適なビット配分が可能となるため、安定した音質を実現することが可能となる。

第１の実施形態の構成図である。 第１の実施形態の動作を示す動作フローチャートである。 第１の実施形態におけるビット配分制御の効果説明図である。 第１の実施形態におけるビット配分制御の動作説明図である。 ビットリザーバ１０６及びチャネルビットリザーバ１０７によって実現されるビット補充制御の動作を示す動作フローチャートである。 ビットリザーバ１０６及びチャネルビットリザーバ１０７によって実現されるビット補充制御の動作説明図である。 第１の実施形態による音質改善の効果を示した図である。 第２の実施形態の構成図である。 第３の実施形態の構成図である。 ビット配分の関係図である。 チャネル符号化部１０５の構成を示す図である。 ビットリザーバ１０６及びチャネルビットリザーバ１０７によって実現されるビット補充制御の動作を示す動作フローチャートである。 ５．１チャネル音声の符号化／復号の説明図である。 知覚エントロピーに基づいて各チャネルの情報量を決定する従来技術の構成図である。 知覚エントロピーに基づいて各チャネルの情報量を決定する従来技術の動作を示す動作フローチャートである。 知覚エントロピーの説明図である。 従来技術におけるビット配分制御の動作説明図である。 従来技術の問題点の説明図である。

符号の説明

１０１、１４０１ ＰＥ値算出部
１０２ 適応ビット配分制御部
１０３ 固定ビット配分制御部
１０４ ビット配分決定部
１０５、１４０３ チャネルｉ符号化部
１０６ ビットリザーバ
１０７ チャネルｉビットリザーバ
１０８、１４０４ 多重化部
８０１ Ｔ／Ｆ変換部
８０２ 聴覚分析部
９０１ 遅延付加部
１４０２ ビット配分制御部

Claims (6)

1. 複数チャネルのオーディオ信号を符号化するオーディオ符号化装置において、
   各チャネルのオーディオ信号に割り当てる符号化ビット数を、該各チャネルのオーディオ信号の知覚エントロピーに応じて適応的に制御する適応ビット配分制御部と、
   前記各チャネルのオーディオ信号に割り当てる符号化ビット数を、予め定められた配分で固定的に制御する固定ビット配分制御部と、
   前記適応ビット配分制御部で割り当てられた適応配分ビット数と、前記固定ビット配分制御部で割り当てられた固定配分ビット数とに基づいて、前記各チャネルのオーディオ信号を符号化するチャネル符号化部と、
   を含むことを特徴とするオーディオ符号化装置。
2. 前記チャネル符号化部にて割り当てられた符号化ビット数より、符号化に必要な符号化ビット数が少ない場合に、その差分となるビット数を余剰ビット数として蓄積し、前記チャネル符号化部に割り当てられた符号化ビット数が、前記符号化に必要なビット数よりも少ない場合に、前記余剰ビット数を割り当てるビットリザーバ部を更に含む、
   ことを特徴とする請求項１に記載のオーディオ符号化装置。
3. 前記固定ビット配分制御部は、前記各チャネルのオーディオ信号に割り当てる符号化ビット数の配分を、前記各チャネルのチャネル配置の聴覚的な重みに基づいて決定する、
   ことを特徴とする請求項１又は２の何れか１項に記載のオーディオ符号化装置。
4. 前記適応ビット配分制御部は、前記各チャネルのオーディオ信号の過去フレームにおいて算出した知覚エントロピーに応じて、現フレームにおけるて前記各チャネルのオーディオ信号に割り当てる符号化ビット数を適応的に制御する、
   ことを特徴とする請求項１乃至３の何れか１項に記載のオーディオ符号化装置。
5. 複数チャネルのオーディオ信号を符号化するオーディオ符号化方法において、
   各チャネルのオーディオ信号に割り当てる符号化ビット数を、該各チャネルのオーディオ信号の知覚エントロピーに応じて適応的に制御する適応ビット配分制御ステップと、
   前記各チャネルのオーディオ信号に割り当てる符号化ビット数を、予め定められた配分で固定的に制御する固定ビット配分制御ステップと、
   前記適応ビット配分制御ステップで割り当てられた適応配分ビット数と、前記固定ビット配分制御ステップで割り当てられた固定配分ビット数とに基づいて、前記各チャネルのオーディオ信号を符号化するチャネル符号化ステップと、
   を含むことを特徴とするオーディオ符号化方法。
6. 前記チャネル符号化ステップにて割り当てられた符号化ビット数より、符号化に必要な符号化ビット数が少ない場合に、その差分となるビット数を余剰ビット数として蓄積し、前記チャネル符号化部に割り当てられた符号化ビット数が、前記符号化に必要なビット数よりも少ない場合に、前記余剰ビット数を割り当てるビットリザーバステップを更に含む、
   ことを特徴とする請求項５に記載のオーディオ符号化方法。